SentiQNF：一种结合量子算法与神经模糊系统的情感分析新方法
计算与语言
2025-01-24 v2 量子物理
摘要
情感分析是自然语言处理的重要组成部分，用于分析各种语境下的情感、态度和情绪基调。它为公众舆论、客户反馈和用户体验提供了有价值的见解。为了应对情感分析中数据的指数级增长和语言结构的复杂性，研究人员开发了各种经典机器学习和神经模糊方法。然而，这些方法通常无法确定最佳的聚类数量、准确解释结果、有效处理噪声或异常值，并且难以有效扩展至高维数据。此外，它们通常对输入变化不敏感。在本文中，我们提出了一种用于情感分析的新型混合方法，称为量子模糊神经网络（QFNN），该方法利用量子特性并引入模糊层，以克服经典情感分析算法的局限性。在本研究中，我们在两个Twitter数据集——冠状病毒推文数据集（CVTD）和通用情感推文数据集（GSTD）上测试了所提出的方法，并将其与经典算法和混合算法进行了比较。结果表明，QFNN优于所有经典、量子和混合算法，在CVTD和GSTD上分别达到了100%和90%的准确率。此外，QFNN展示了对六种不同噪声模型的鲁棒性，为在噪声环境下大规模处理情感分析相关的计算复杂性提供了潜力。所提出的方法加速了情感数据处理，并精确分析了各种形式的文本数据，从而增强了情感分类及与情感分析相关的见解。
引用
@article{arxiv.2412.12731,
title = {SentiQNF: A Novel Approach to Sentiment Analysis Using Quantum Algorithms and Neuro-Fuzzy Systems},
author = {Kshitij Dave and Nouhaila Innan and Bikash K. Behera and Zahid Mumtaz and Saif Al-Kuwari and Ahmed Farouk},
journal= {arXiv preprint arXiv:2412.12731},
year = {2025}
}