量子-经典情感分析
人工智能
2024-12-30 v1
摘要
在本研究中，我们初步探讨了混合经典-量子分类器（HCQC）在情感分析中的应用，并将其性能与经典 CPLEX 分类器及 Transformer 架构进行了比较。我们的研究结果表明，尽管 HCQC 在分类准确率方面不及 Transformer，但其在收敛到相当好的近似解时所需的时间显著更少。该实验还揭示了 HCQC 中的一个关键瓶颈，其架构部分因 D-Wave 的专有属性而未公开。为解决这一局限性，我们提出了一种基于 QUBO 模型代数分解的新算法，从而增加了量子处理单元可用于问题求解任务的时间。
引用
@article{arxiv.2409.16928,
title = {Quantum-Classical Sentiment Analysis},
author = {Mario Bifulco and Luca Roversi},
journal= {arXiv preprint arXiv:2409.16928},
year = {2024}
}
备注
Submitted to BigHPC 2024 - https://www.itadata.it/2024/bighpc2024