HISTORIAE: история социокультурной трансформации как лингвистическая наука о данных. Пример применения в гуманитарных науках

Для задачи комбинаторной оптимизации обычно существует несколько способов её моделирования для передачи автоматизированному решателю. Выбор правильного сочетания модели и целевого решателя может существенно повлиять на эффективность процесса решения. Наилучшее сочетание модели и решателя также может зависеть от конкретного экземпляра задачи: единого сочетания, оптимального для всех экземпляров одной и той же задачи, может не существовать. Мы рассматриваем задачу построения моделей машинного обучения для автоматического выбора наилучшего сочетания для конкретного экземпляра задачи. Критически важным этапом обучения является определение признаков экземпляра, которые служат входными данными для модели выбора. Наш вклад заключается в автоматическом извлечении признаков экземпляра непосредственно из высокоуровневого представления экземпляра задачи с использованием трансформерного кодировщика. Мы оцениваем эффективность предложенного подхода с использованием языка моделирования Essence на примере трёх классов задач.