人工智能领域的国际年度顶级会议NeurIPS，与ICML并称为人工智能领域两大难度最大，水平最高，影响力最强的会议，每年都会吸引大量工业界与学术界的顶级AI专家与博士生参加。

今年，华为云温哥华大数据与智能平台实验室与加拿大两所顶尖高校（University of British Columbia 和  Western University）一起，在人工智能AI国际顶会NeurIPS2022上联合举办了The Natural Language for Optimization (NL4Opt)竞赛。

数学建模是使用数学优化求解器解决实际应用问题的关键一环，本次NL4Opt竞赛推出了首个基于自然语言进行数学建模的数据集，致力于降低数学优化求解器的使用门槛，促进使用自然语言技术进行数学优化建模的研究。

当前，业界求解器的使用需要专业的运筹优化工程师与领域专家深入沟通业务问题后，才能进行数学建模，这个繁琐的过程大大限制了数学优化求解器这一通用工具的应用范围。而随着自然语言处理技术迅猛发展，通过自然语言进行自动编程、求解数学应用题等技术已成为研究热点，这些相关技术为自然语言处理技术进行数学建模提供了可能性。对自然语言技术进行数学优化建模的研究将有望成为自然语言处理技术的又一重要应用突破。

不过该技术的研究既需要

对自然语言处理技术的深入了解

也需要拥有数学优化的专业知识

如果你能挑战下面的赛题

恭喜你！朋友，你大有可为！

· 赛题

本次竞赛包括命名实体识别与数学模型生成两个赛道，参赛者可从中挑选任意一个赛道提交方案。

任务1—命名实体识别

此项任务旨在通过检测和标记数学优化问题描述中的实体，如目标名称、决策变量名称或约束条件限制，来帮助构建更为准确的数学模型。完成该项任务，将有效识别自然语言中与数学优化问题相关的关键信息。

以上图为例，英文问题描述中，包含如下关键信息：

客户在投资中的预算是60，000元

客户想投资信托和储蓄两种不同回报的金融产品，回报分别为7%和2%

客户对两种金融产品分别有其投资约束

客户希望通过找到满足上述约束的最大收益投资方案

任务一希望运用自然语言处理中的命名实体识别技术，准确获得上述信息。

任务2—数学模型生成

此项任务的目标是将数学优化问题描述、标记的实体（如目标名称、决策变量名称或约束条件限制）作为输入，生成数学优化求解器可求解的数学模型。该项任务在第一个任务的基础上，通过自然语言学习数学优化问题关键信息之间的关系完成数学建模，使模型可以调用数学求解器进行求解。

以上图为例，当任务一中的关键信息被抽取后，如想用数学求解器进行求解，还需进一步理清这些信息之间的逻辑关系，并进行数学建模（如红框部分所示）。这也使得任务二变得更具挑战性。

· 赛程

大赛竞赛时间为7月1日—10月15日，提交申请已于7月15日开放。

· 奖项

两个赛道各取前五名提交最佳方案的参赛者：

竞赛结束后，依托NeurIPS2022举办研讨会，我们将邀请获奖者在会上分享解决方案，并与自然语言处理领域及运筹学领域权威专家深入交流。期待你的参与！