本论文的主要研究方向是解决神经机器翻译数学公式的问题，特别是涉及到模糊表示语言和明确内容语言之间的翻译，论文采用卷积序列到序列网络来翻译 LaTeX 和 Mathematica，达到了 95.1% 和 90.7% 的准确匹配。

May, 2023

本文介绍了一种在连续向量空间中表示数学表达式的方法，使用序列到序列架构的编码器生成向量表示，并比较了这种方法与自编码器的差异。最后，为了加快未来的项目，我们发布了一组等价的超越和代数表达式对的语料库。

Oct, 2022

该研究探索了将神经网络应用于数学信息检索任务的潜力，并设计了两种学习向量表示公式符号的方法，最终提出了一个基于公式嵌入模型的信息检索方法，初步实验结果表明在数学语言表达和信息检索任务中应用公式嵌入模型具有很好的潜力。

Jul, 2017

该研究提出了一种新的主题模型，通过生成数学公式和周围的文本，有效地捕捉了主题与数学之间的关系，可用于主题感知公式生成、公式主题推断和主题感知数学符号与文本的对齐。

Feb, 2019

本文提出了一个神经网络模型，基于编码器 - 解码器框架，利用自然语言理解桥接语义世界和符号世界，自动解决数学应用问题，并在 Math23K 数据集上验证模型的有效性。

Nov, 2018

本文探讨了使用四种不同的术语提取器从数学范畴论的英文文本中提取数学实体的系统，作为构建数学知识图的第一步。研究还提供了两个开放数据集，以支持在数学领域进行研究。

Aug, 2022

通过使用存在的公式驱动的 FormulaQA 数据集，得出了使用检索增强的 LLMs 模型结合外部公式数据库时对现有模型具有重要改进潜力的实证结果。

Feb, 2024

本文介绍了一种无监督学习的方法来发现数学方程的语义表示，称之为方程嵌入。该方法使用周围单词的表示来发现方程的好的表示方法，并用于分析四个计算机科学领域的科学文章中的 98.5k 个方程。结果表明，方程嵌入提供了更好的模型，并能够捕捉方程与单词之间的语义相似性。

Mar, 2018

本文使用新的中文基准数据集 KnowSQL，提出了使用公式化知识库作为领域知识支持的重新分组（ReGrouP）框架来解决文本到 SQL 的知识密集问题，并在 KnowSQL 数据集上实现了 28.2％的整体性能提升。

Jan, 2023

本文介绍数学知识管理中语义方法的调查研究，涵盖本体模型、数学知识本体论以及数学公式搜索和学习。

Aug, 2014