面向手写数学表达式识别的基于关系的表示

基于摘要分析。本文研究离线手写数学表达式（HME）识别，提出按符号间关系构建序列表示，以缓解将二维表达式转换为一维 LaTeX 序列时序列较长、二维结构难以提取的问题。核心贡献是目标表示方式，而非摘要中已明确的新网络架构。 机制与对照：作者采用符号关系组织 HME 表示，并在使用弱监督学习的离线端到端识别系统中评估，与 LaTeX 序列表示进行比较。摘要称新表示能够缩短序列，但未提供关系类型、编码规则、序列长度变化、训练损失或解码细节，这些尚待全文核对。 结果：作者报告，在 CROHME 2014、2016、2019 数据集上的识别率分别为 53.35%、52.14% 和 53.13%，相对 LaTeX 表示系统均提高超过 2 个百分点。上述结果属于离线 HME 识别评估；具体训练与测试划分、识别率判定口径、基线配置、消融及统计信息尚未验证，不能将这些数值直接用于其他任务或协议的比较。 复现重点是取得关系表示的完整定义，并核对两种表示是否使用一致的数据、模型与训练条件，以区分表示压缩、结构信息与其他配置的贡献。该研究主要对象是数学表达式图像，材料未提供其与 EEG 信号结构的具体对应关系，因此不据此提出 BCI 迁移实验；已有 EEG 相关工作尚未检索确认。