Quantum-Classical Sentiment Analysis

要約

この研究では、まず感情分析のためのハイブリッド古典量子分類器 (HCQC) のアプリケーションを調査し、そのパフォーマンスを古典的な CPLEX 分類器および Transformer アーキテクチャと比較します。
私たちの調査結果は、HCQC は分類精度の点では Transformer に比べてパフォーマンスが劣るものの、適度に良好な近似解に収束するまでに必要な時間が大幅に短いことを示しています。
この実験は、HCQC の重大なボトルネックも明らかにします。HCQC のアーキテクチャは、D-Wave プロパティでは部分的に公開されていません。
この制限に対処するために、私たちは、量子処理ユニットが問題解決タスクに割り当てることができる時間を強化する、QUBO モデルの代数分解に基づく新しいアルゴリズムを提案します。

要約(オリジナル)

In this study, we initially investigate the application of a hybrid classical-quantum classifier (HCQC) for sentiment analysis, comparing its performance against the classical CPLEX classifier and the Transformer architecture. Our findings indicate that while the HCQC underperforms relative to the Transformer in terms of classification accuracy, but it requires significantly less time to converge to a reasonably good approximate solution. This experiment also reveals a critical bottleneck in the HCQC, whose architecture is partially undisclosed by the D-Wave property. To address this limitation, we propose a novel algorithm based on the algebraic decomposition of QUBO models, which enhances the time the quantum processing unit can allocate to problem-solving tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google