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

要約

オペレーションズ リサーチでは、現実世界の問題を数学的最適化問題としてモデル化して解決します。
数学的システムの解決は分析ソフトウェアによって行われますが、一連の数学的演算として問題を定式化することは通常、分野の専門家によって手動で行われてきました。
最近の機械学習手法は、テキストによる問題の説明を対応する数学的公式に変換することに有望であることが示されています。
この論文では、線形計画法の文章題を数学的定式化に変換するアプローチを紹介します。
入力内の名前付きエンティティを利用し、入力を拡張してこれらのエンティティを強調表示します。
私たちのアプローチは、NL4Opt コンペティションへのすべての提出物の中で最高の精度を達成し、生成トラックで 1 位を確保しました。

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, Google