将 QNLP 的前沿扩展到英语之外：使用组合量子模型进行印地语情感分类的语法敏感流程

自然语言处理（NLP）的进步，无论是在经典还是量子平台上，都主要集中于英语，因为它被广泛使用且语言资源丰富。尽管英语仍然是计算语言学中研究最多的语言，但作为世界上使用人数第三多的语言（仅次于普通话）的印地语，受到的关注相对有限。印地语主要在印度使用，在文字、句法结构和语言特征上与英语有显著差异。印地语使用天城文，表现出丰富的形态变化，并遵循主-宾-谓（SOV）词序，这与英语的主-谓-宾（SVO）结构不同。受印地语的语言复杂性及其在量子自然语言处理（QNLP）中代表性不足的启发，我们提出了一个面向印地语情感分类的语法感知 QNLP 流程，重点关注句子否定。我们使用一个手动标注的印地语情感数据集，标记为正面、负面或中性，并使用预群语法类型对句子进行编码。使用 Lambeq 处理句子，通过一种新颖的否定感知组合语法生成量子电路。训练混合量子神经网络（HQNN）用于二元和三元情感分类。我们的结果证明了有效的情感分类，并突出了组合 QNLP 对于形态丰富语言的潜力。