数学表达式作为信息资源的一种载体,因其客观、准确的表达能力,无论是在教育还是在科研领域,都得到了大量应用,并广泛存在于网络之中。为满足更精准的信息需求,快速、自动的数学表达式提取技术就显得尤为重要。但是,由于非结构化文本的特殊性和数学表达式自身的复杂性,非结构化文本域中数学表达式提取技术还鲜有研究。本文以隐马尔科夫模型(HMM)为基础,针对英文文本,提出了一种基于HMM的在非结构化文档的文本域中提取数学表达式的方法。首先,针对传统HMM的结构缺陷,引入模型观察值对模型后一时刻状态的直接依赖性,并对模型的参数学习训练算法进行了改进。在此基础上,设计了具有新型结构的改进型HMM。针对HMM训练效果对初始参数的敏感度较强的问题,引入量子粒子群(QPSO)智能优化算法对初始参数的选择进行优化,并设计了基于QPSO的改进型HMM初始参数优化算法。然后,将改进型HMM应用到非结构化文本数学表达式提取中来,给出了针对非结构化文本的HMM模型状态构建方法,并提出了基于改进型HMM的非结构化文本域数学表达式提取算法。最后,依据13423条标准数学表达式和含有数学表达式的非结构化文本进行了验证实验,实验结果证明了改进型HMM和数学表达式提取算法的有效性和优越性,有着较强的现实应用价值。