★ 2
QTrans:用于情感分类的量子 Transformer
论文提出 QTrans,用参数化量子电路构建注意力中的 query/key/value 特征,并以量子测量间的高斯距离推导注意力系数。结合量子前馈网络、残差连接与层归一化,形成端到端可训练的量子-经典混合框架。在 MR、CR、MPQA 三个数据集上较最优经典基线分别提升 2.88、3.17、3.7…
arXiv cs.LG49 天前
共 2 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出 QTrans,用参数化量子电路构建注意力中的 query/key/value 特征,并以量子测量间的高斯距离推导注意力系数。结合量子前馈网络、残差连接与层归一化,形成端到端可训练的量子-经典混合框架。在 MR、CR、MPQA 三个数据集上较最优经典基线分别提升 2.88、3.17、3.7…
研究者提出 Emo-Jev,一个免训练框架,利用 Jev 的概率决策接口进行文本情感分类。Emo-Jev-D 将分类分解为原子判断并组合概率,Emo-Jev-SC 构建多路径判断并聚合共识。在八个数据集上,标准 Jev 平均 macro-F1 为 62.93%,低于最强 LLM 基线的 67.28…