要約
ほんのわずかな質的改善が計り知れない価値を生み出す可能性があるアプリケーション ドメインとして、金融は初期の量子優位性の有望な候補です。
急速に進歩している量子自然言語処理 (QNLP) の分野に焦点を当て、DisCoCat と量子強化長短期記憶 (QLSTM) という 2 つの中心的なアプローチの、金融におけるセンチメント分析の問題への実際的な適用可能性を探ります。
新しい ChatGPT ベースのデータ生成アプローチを利用して、1,000 を超える現実的な文を使用したケース スタディを実施したところ、QLSTM は DisCoCat よりも大幅に高速にトレーニングできると同時に、利用可能なソフトウェア実装で古典的な結果に近い結果が得られることがわかりました。
要約(オリジナル)
As an application domain where the slightest qualitative improvements can yield immense value, finance is a promising candidate for early quantum advantage. Focusing on the rapidly advancing field of Quantum Natural Language Processing (QNLP), we explore the practical applicability of the two central approaches DisCoCat and Quantum-Enhanced Long Short-Term Memory (QLSTM) to the problem of sentiment analysis in finance. Utilizing a novel ChatGPT-based data generation approach, we conduct a case study with more than 1000 realistic sentences and find that QLSTMs can be trained substantially faster than DisCoCat while also achieving close to classical results for their available software implementations.
arxiv情報
| 著者 | Jonas Stein,Ivo Christ,Nicolas Kraus,Maximilian Balthasar Mansky,Robert Müller,Claudia Linnhoff-Popien |
| 発行日 | 2023-09-11 07:21:10+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google