符号积分是计算机代数系统的核心功能之一，其实现通常依赖一个元算法在多个积分子算法之间进行选择。不同子算法对应不同的积分数学机制，如何根据表达式特征自动选择最优算法，直接影响积分结果的质量与计算效率。本文基于计算机代数软件 Maple 的符号积分框架，系统比较了树结构模型 TreeLSTM 与序列模型 Transformer 在积分子算法选择任务上的适应性差异。通过在两个不同分布的数据集上的实验，我们发现模型优劣关系并非固定不变，而是与数据集中最优子算法的分布及表达式复杂度密切相关。TreeLSTM 在数学机制更杂、表达式差异更强的数据上保持优势，而 Transformer 在标签分布更集中、结构模式更统一的数据上表现更优。本文进一步将候选子算法按数学原理归纳为四组，揭示了模型决策与积分数学机制之间的内在联系，并指出符号积分算法选择问题的评估必须结合数据来源与算法分布进行综合分析。