ترجمه فارسی مقاله معماری یادگیری عمیق قابل تفسیر با الهام از کوانتوم برای تجزیه و تحلیل احساسات متن

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Quantum-inspired Interpretable Deep Learning Architecture for Text Sentiment Analysis
عنوان مقاله به فارسی معماری یادگیری عمیق قابل تفسیر با الهام از کوانتوم برای تجزیه و تحلیل احساسات متن
نویسندگان Bingyu Li, Da Zhang, Zhiyuan Zhao, Junyu Gao, Yuan Yuan
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Artificial Intelligence,Machine Learning,چشم انداز رایانه و تشخیص الگوی , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 14 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 14 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Text has become the predominant form of communication on social media, embedding a wealth of emotional nuances. Consequently, the extraction of emotional information from text is of paramount importance. Despite previous research making some progress, existing text sentiment analysis models still face challenges in integrating diverse semantic information and lack interpretability. To address these issues, we propose a quantum-inspired deep learning architecture that combines fundamental principles of quantum mechanics (QM principles) with deep learning models for text sentiment analysis. Specifically, we analyze the commonalities between text representation and QM principles to design a quantum-inspired text representation method and further develop a quantum-inspired text embedding layer. Additionally, we design a feature extraction layer based on long short-term memory (LSTM) networks and self-attention mechanisms (SAMs). Finally, we calculate the text density matrix using the quantum complex numbers principle and apply 2D-convolution neural networks (CNNs) for feature condensation and dimensionality reduction. Through a series of visualization, comparative, and ablation experiments, we demonstrate that our model not only shows significant advantages in accuracy and efficiency compared to previous related models but also achieves a certain level of interpretability by integrating QM principles. Our code is available at QISA.

چکیده به فارسی (ترجمه ماشینی)

متن به شکل غالب ارتباطات در رسانه های اجتماعی تبدیل شده است و تعداد زیادی از ظرافت های عاطفی را تعبیه کرده است.در نتیجه ، استخراج اطلاعات عاطفی از متن از اهمیت ویژه ای برخوردار است.علیرغم تحقیقات قبلی ، پیشرفت هایی را انجام می دهد ، مدلهای تجزیه و تحلیل احساسات موجود هنوز هم در ادغام اطلاعات معنایی متنوع و فاقد تفسیر با چالش هایی روبرو هستند.برای پرداختن به این موضوعات ، ما یک معماری یادگیری عمیق با الهام از کوانتومی پیشنهاد می کنیم که ترکیب اصول اساسی مکانیک کوانتومی (اصول QM) با مدل های یادگیری عمیق برای تجزیه و تحلیل احساسات متنی است.به طور خاص ، ما مشترکات بین بازنمایی متن و اصول QM را برای طراحی یک روش بازنمایی متن با الهام از کوانتومی تجزیه و تحلیل می کنیم و بیشتر یک لایه تعبیه شده متن با الهام از کوانتومی را توسعه می دهیم.علاوه بر این ، ما یک لایه استخراج ویژگی را بر اساس شبکه های حافظه کوتاه مدت (LSTM) و مکانیسم های خودآگاهی (SAM) طراحی می کنیم.سرانجام ، ما ماتریس چگالی متن را با استفاده از اصل تعداد پیچیده کوانتومی محاسبه می کنیم و شبکه های عصبی 2D-convolution (CNN) را برای تراکم ویژگی و کاهش ابعاد اعمال می کنیم.از طریق یک سری آزمایشات تجسم ، تطبیقی ​​و فرسایش ، ما نشان می دهیم که مدل ما نه تنها در مقایسه با مدلهای مرتبط قبلی ، مزایای قابل توجهی در صحت و کارآیی نشان می دهد بلکه با ادغام اصول QM به سطح خاصی از تفسیر می رسد.کد ما در QISA موجود است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.