近年来,互联网推动了在线教育的快速发展,语音合成技术成为在线教育辅助教师教学的重要技术手段之一,就数学教学而言,为了合成数学公式的语音,首先需要将数学公式转换成自然语言拼读文本,即数学公式的自然语言拼读文本生成。目前针对这一问题的研究工作较少,为推动在线数学教育发展,本文针对如何将La Te X格式的数学公式转换为自然语言拼读文本这一问题开展了研究,并提出了使用文本生成技术来完成转换的有效解决方案。由于数学公式的自然语言拼读文本生成这一任务没有可以直接使用的数据集,本文首先与相关专家合作制定了一套教育场景下的数学公式拼读规范,并收集了约13万条中学的数学题目,从中选取并标注了38270条La Te X格式数学公式,完成了数学公式到中文拼读文本平行语料库的构建,然后进行了实验来探究何种方法适合解决这一任务。本文首先使用规则模板的方式来完成转换,但是由于存在公式符号读法多义、读法缺失以及符号与拼读文本顺序不一致等问题,效果并不理想。然后使用端到端的文本生成技术来完成拼读文本的生成,取得了不错的效果。本文研究的端到端的文本生成模型主要包括Transformer模型、Graph2Seq模型以及Seq2Seq模型。效果最好的是Seq2Seq模型,将BLEU-4的值从规则模板的43.63提高到了74.71。考虑到近年来自然语言处理领域常用预训练方法来完成知识的迁移学习,且当下并没有数学公式符号的预训练词向量,本文使用约3万条未标注的数学公式语料对Glove模型进行训练得到了数学公式符号预训练词向量,并在此基础上继续训练Seq2Seq模型,取得了BLEU-4值0.36的提高。同时,通过对数据集的统计发现,含有一种或多种明确读法的数学公式符号出现的频率超过了60%,所以本文构建了数学公式符号到其对应读法的映射字典,包含一对一和一对多两种映射关系。并将此映射字典作为外部知识,融入Seq2Seq模型中来帮助其生成质量更高的拼读文本。实验结果表明,在领域预训练词向量基础上加入外部映射知识后模型的BLEU-4值提高了1.7。