用于文本情感分析的量子启发可解释深度学习架构
计算机视觉与模式识别
2024-08-16 v1 人工智能
机器学习
摘要
文本已成为社交媒体上主要的交流形式，蕴含着丰富的情感细微差别。因此，从文本中提取情感信息至关重要。尽管先前的研究取得了一些进展，但现有的文本情感分析模型在整合多样化语义信息方面仍面临挑战，并且缺乏可解释性。为了解决这些问题，我们提出了一种量子启发的深度学习架构，将量子力学基本原理（QM原理）与深度学习模型相结合，用于文本情感分析。具体来说，我们分析了文本表示与QM原理之间的共性，设计了一种量子启发的文本表示方法，并进一步开发了量子启发的文本嵌入层。此外，我们设计了一个基于长短期记忆（LSTM）网络和自注意力机制（SAMs）的特征提取层。最后，我们利用量子复数原理计算文本密度矩阵，并应用二维卷积神经网络（CNNs）进行特征压缩和降维。通过一系列可视化、对比和消融实验，我们证明我们的模型不仅在准确性和效率上相比先前相关模型具有显著优势，而且通过整合QM原理实现了一定程度的可解释性。我们的代码可在QISA获取。
引用
@article{arxiv.2408.07891,
title = {Quantum-inspired Interpretable Deep Learning Architecture for Text Sentiment Analysis},
author = {Bingyu Li and Da Zhang and Zhiyuan Zhao and Junyu Gao and Yuan Yuan},
journal= {arXiv preprint arXiv:2408.07891},
year = {2024}
}