論文の概要: A multiclass Q-NLP sentiment analysis experiment using DisCoCat

• arxiv url: http://arxiv.org/abs/2209.03152v1
• Date: Wed, 7 Sep 2022 13:47:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-08 12:49:10.504461
• Title: A multiclass Q-NLP sentiment analysis experiment using DisCoCat
• Title（参考訳）: DisCoCatを用いたマルチクラスQ-NLP感情分析実験
• Authors: Victor Martinez, Guilhaume Leroy-Meline
• Abstract要約: 我々は、DisCoCatの言語モデルを用いて、NISQ(Noisy Intermediate Scale Computing)時代の感情分析に取り組む。 まず量子コンピューティングの基礎とDisCoCatモデルを示す。 これにより、量子コンピュータ上でNLPタスクを実行するための一般的なフレームワークを定義することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sentiment analysis is a branch of Natural Language Processing (NLP) which goal is to assign sentiments or emotions to particular sentences or words. Performing this task is particularly useful for companies wishing to take into account customer feedback through chatbots or verbatim. This has been done extensively in the literature using various approaches, ranging from simple models to deep transformer neural networks. In this paper, we will tackle sentiment analysis in the Noisy Intermediate Scale Computing (NISQ) era, using the DisCoCat model of language. We will first present the basics of quantum computing and the DisCoCat model. This will enable us to define a general framework to perform NLP tasks on a quantum computer. We will then extend the two-class classification that was performed by Lorenz et al. (2021) to a four-class sentiment analysis experiment on a much larger dataset, showing the scalability of such a framework.
• Abstract（参考訳）: 感性分析は自然言語処理(NLP)の一分野であり、感情や感情を特定の文や単語に割り当てることが目的である。 このタスクを実行することは、チャットボットや動詞による顧客のフィードバックを考慮に入れたい企業にとって特に有用だ。 これは、単純なモデルからディープトランスフォーマーニューラルネットワークまで、さまざまなアプローチを用いた文献で広く行われている。 本稿では,Nuisy Intermediate Scale Computing (NISQ) 時代の感情分析に,DisCoCat の言語モデルを用いて取り組む。 まず量子コンピューティングの基礎とDisCoCatモデルを示す。 これにより、量子コンピュータ上でNLPタスクを実行するための一般的なフレームワークを定義することができる。 次に、Lorenzら(2021)が行った2クラス分類を、はるかに大きなデータセット上で4クラスの感情分析実験に拡張し、そのようなフレームワークのスケーラビリティを示す。

関連論文リスト

• Scalable and interpretable quantum natural language processing: an implementation on trapped ions [1.0037949839020768]
  本稿では,テキストレベルの量子自然言語処理の実装について述べる。 QDisCoCircモデルに焦点をあて、AIの解釈可能なレンダリングに対する構成的アプローチを基盤としています。 我々はQuantinuumのH1-1トラップイオン量子プロセッサの実験を行った。
  論文  参考訳（メタデータ） (2024-09-13T12:36:14Z)
• Natural Language Processing for Dialects of a Language: A Survey [56.93337350526933]
  最先端自然言語処理(NLP)モデルは、大規模なトレーニングコーパスでトレーニングされ、評価データセットで最上位のパフォーマンスを報告します。 この調査は、これらのデータセットの重要な属性である言語の方言を掘り下げる。 方言データセットに対するNLPモデルの性能劣化と言語技術のエクイティへのその影響を動機として,我々はデータセットやアプローチの観点から,方言に対するNLPの過去の研究を調査した。
  論文  参考訳（メタデータ） (2024-01-11T03:04:38Z)
• Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
  我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。 評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-26T18:23:21Z)
• ShadowNet for Data-Centric Quantum System Learning [188.683909185536]
  本稿では,ニューラルネットワークプロトコルと古典的シャドウの強みを組み合わせたデータ中心学習パラダイムを提案する。 ニューラルネットワークの一般化力に基づいて、このパラダイムはオフラインでトレーニングされ、これまで目に見えないシステムを予測できる。 量子状態トモグラフィーおよび直接忠実度推定タスクにおいて、我々のパラダイムのインスタンス化を示し、60量子ビットまでの数値解析を行う。
  論文  参考訳（メタデータ） (2023-08-22T09:11:53Z)
• Toward Quantum Machine Translation of Syntactically Distinct Languages [0.0]
  ノイズの多い中間規模量子(NISQ)デバイス上での量子自然言語処理アルゴリズムを用いた言語翻訳の実現可能性について検討する。 パラメタライズド量子回路の性能において、回転ゲートの適切な角度が重要な役割を果たすことを示すためにシャノンエントロピーを用いる。
  論文  参考訳（メタデータ） (2023-07-31T11:24:54Z)
• A didactic approach to quantum machine learning with a single qubit [68.8204255655161]
  我々は、データ再ロード技術を用いて、単一のキュービットで学習するケースに焦点を当てる。 我々は、Qiskit量子コンピューティングSDKを用いて、おもちゃと現実世界のデータセットに異なる定式化を実装した。
  論文  参考訳（メタデータ） (2022-11-23T18:25:32Z)
• Design and Implementation of a Quantum Kernel for Natural Language Processing [0.8702432681310401]
  この論文はDisCoCatモデルを利用して、NLPタスクのサポートベクトルマシン(SVM)で使用できる量子ベースのカーネル関数を設計する。 i) 遷移振幅アプローチと(ii) SWAP試験の2つの類似性尺度について検討した。 以前の研究から明らかなモデルは単語埋め込みの訓練に使われ、93.09 pm 0.01$%の精度でテストされた。
  論文  参考訳（メタデータ） (2022-05-13T00:45:46Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• QNLP in Practice: Running Compositional Models of Meaning on a Quantum Computer [0.7194733565949804]
  本研究では,NISQ(Noisy Intermediate-Scale Quantum)コンピュータ上で行った最初のNLP実験について報告する。 我々は、量子回路への自然なマッピングを持つ文の表現を作成する。 我々は、量子ハードウェア上で単純な文分類タスクを解くNLPモデルをうまく訓練する。
  論文  参考訳（メタデータ） (2021-02-25T13:37:33Z)
• Sentiment Analysis for Sinhala Language using Deep Learning Techniques [1.0499611180329804]
  本稿では,RNN,LSTM,Bi-LSTM,カプセルネットワークなどの標準シーケンスモデルの利用について,より包括的な研究を行った。 この4つのクラスに注釈を付けた15059年のシンハラのニュースコメントと、948万のトークンからなるコーパスのデータセットが公開されている。
  論文  参考訳（メタデータ） (2020-11-14T12:02:30Z)
• NLP-CIC at SemEval-2020 Task 9: Analysing sentiment in code-switching language using a simple deep-learning classifier [63.137661897716555]
  コードスイッチングは、2つ以上の言語が同じメッセージで使用される現象である。 標準的な畳み込みニューラルネットワークモデルを用いて、スペイン語と英語の混在するツイートの感情を予測する。
  論文  参考訳（メタデータ） (2020-09-07T19:57:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。