【牛津大学博士论文】量子自然语言处理范畴论

【牛津大学博士论文】量子自然语言处理范畴论_第1张图片

来源:专知
本文为论文介绍,建议阅读5分钟
本文介绍了量子自然语言处理(QNLP)模型,其基础是计算语言学和量子力学之间的一个简单而强大的类比:语法纠缠。

【牛津大学博士论文】量子自然语言处理范畴论_第2张图片

本文介绍了量子自然语言处理(QNLP)模型,其基础是计算语言学和量子力学之间的一个简单而强大的类比:语法纠缠。文本和句子的语法结构将单词的含义联系起来,就像纠缠结构将量子系统的状态联系起来一样。范畴论可以使这种语言到量子比特的类比形式化:它是一个从语法到向量空间的monoidal函子。将这种抽象的类比转化为具体的算法,将语法结构转换为参数化量子电路的架构。然后,我们使用经典-量子混合算法来训练模型,以便在评估电路时计算数据驱动任务中句子的含义。

QNLP模型的实现推动了DisCoPy(分布式组合Python)的发展,第一章对应用范畴论的工具包进行了全面概述。字符串图是DisCoPy的核心数据结构,它们允许在高抽象级别上推理计算。展示了它们如何编码语法结构和量子电路,以及逻辑公式、神经网络或任意Python代码。Monoidal函子允许将这些抽象的图转换为具体的计算,并与优化的特定任务库进行接口。

第二章使用DisCopy将QNLP模型实现为从语法到量子电路的参数函子。它为函子学习的更一般的概念提供了第一个概念证明:通过从类似图的数据中学习,将机器学习从函数推广到函子。为了通过梯度下降学习最优函子参数,引入了图微分的概念:一种用于计算参数化图梯度的图形演算。

https://www.zhuanzhi.ai/paper/2926740ae817b839b6599f4b87e1e49b

【牛津大学博士论文】量子自然语言处理范畴论_第3张图片

【牛津大学博士论文】量子自然语言处理范畴论_第4张图片

【牛津大学博士论文】量子自然语言处理范畴论_第5张图片

你可能感兴趣的:(自然语言处理,人工智能)