鉄道再スケジューリングは最適化駆動型分野の一つであり、混合整数線形計画法（MILP）に大きく依存している。しかし、この分野のモデリング知識は数百の論文に分散しており、互換性のない表記法で記述されているため、知識の統合と再利用が困難である。従来のサーベイ論文は語彙に基づいて分類するため、主観的で再現性に欠ける。この問題に対処するため、研究者らはLP Mining with LP2Graph手法を提案した。この手法は、公開されたLPおよびMILP定式化から構造を抽出し、再現可能なデータセットと帰納的な分類体系（タクソノミー）を構築する。
LP2Graphはこの手法の中核をなす。これは正規文法で許容される各定式化を、単一の正規モデルから導出される型付き変数-方程式グラフとして表現する。ソースがこのモデルに抽出されると、以降の処理はすべて決定論的となる。各ソースはこのモデルにパースされ、相同化された後、変数、制約と目的関数、そしてモデル全体の構造についてボトムアップでクラスタリングされる。さらに、適用分野と解法アプローチによっても別途クラスタリングされる。得られたグループは、ルールシード型の自己更新分類器によってラベル付けされる。
研究では、表現の有効性を仮定するのではなく、実際に検証している。各クラスタの代表モデルを独立したLaTeXとして再生成し、CBC、HiGHS、Gurobiの複数のソルバーで再求解し、元の論文で報告された最適値と比較する。これにより、客観的で再現可能な変数、制約、モデルタイプのタクソノミーが得られる。このタクソノミーは、自動鉄道再スケジューリングモデル開発（raiLPminerシリーズ）の原理的な基盤となる。本手法は、最適化モデリングの知識組織化と再利用に新たな道を開くものであり、分野全体の研究効率を大幅に向上させる可能性を秘めている。