本研究は，数式入力インタフェースに自然言語処理技術を応用し，インテリジェント化を試みたものである．従来，数式入力にはGUIを使い，分数や指数など，数式構造を表すアイコンテンプレートから選択して，要素を入力し数式を構築する構造ベース入力方式が代表的である．阪大の土方らはこの数式要素をN-gramモデルにより予測し効率を向上させている．本研究では，2011年に提案され，テキストベースの入力に近い，数式曖昧表記変換型数式入力の候補算出アルゴリズムに，構造化パーセプトロンによる機械学習を応用し，インテリジェントな数式予測が行えるようにした．スコア学習のパラメタや高速化のための探索的アルゴリズムによって予測精度が異なるため，最良パラメタについての検討を行った結果，一つのアルゴリズムは，変換候補ベスト１に対する正解率が約79.1％で，ベスト１０まで含めると約89.2％になった．一方，もう一つのアルゴリズムではベスト１が約68.5％で，ベスト１０まで含めると95.0％と，ほぼ実用レベルに近づいた．まだ，本研究は萌芽的で，学習データの数学分野が限定的ではあるが，これまでの研究結果を報告する．
