Highlighting Named Entities in Input for Auto-Formulation of Optimization Problems

要約

タイトル: 最適化問題の自動化における名前付きエンティティのハイライト

要約:
– 算術ソフトウェアによって数式系の解決が達成される一方で、問題を数学的操作の集合として定式化することは、通常ドメイン専門家によって手動で行われてきました。
– 機械学習方法が最近、テキスト問題記述を対応する数学的導出に変換することで、有望であることが示されています。
– この論文では、線形プログラミングのワード問題を数学的導出に変換するアプローチを紹介します。
– 入力の名前付きエンティティを利用し、エンティティをハイライトすることで入力を拡張しています。
– 当社のアプローチは、NL4Optコンペティションの全提出の中で最高精度を達成し、ジェネレーショントラックで第1位を獲得しています。

要約(オリジナル)

Operations research deals with modeling and solving real-world problems as mathematical optimization problems. While solving mathematical systems is accomplished by analytical software, formulating a problem as a set of mathematical operations has been typically done manually by domain experts. Recent machine learning methods have shown promise in converting textual problem descriptions to corresponding mathematical formulations. This paper presents an approach that converts linear programming word problems into mathematical formulations. We leverage the named entities in the input and augment the input to highlight these entities. Our approach achieves the highest accuracy among all submissions to the NL4Opt Competition, securing first place in the generation track.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI