Quantum-Inspired Neural Language Representation, Matching and Understanding
A kvantumelmélet (QT) bevezetése egységes matematikai keretet biztosít az információkereséshez (IR). A klasszikus IR keretrendszerrel összehasonlítva a kvantum inspirálta IR keretrendszer felhasználó-központú modellezési módszereken alapul, hogy modellezze a nem klasszikus kognitív jelenségeket az emberi relevancia megítélésében az IR-folyamatban. Az adatok és a számítástechnikai erőforrások növekedésével a neurális IR-módszereket alkalmazták az IR szövegmegfeleltetési és szövegértési feladataira. A neurális hálózatok erős tanulási képességgel rendelkeznek a nyers adatokból származó megfeleltetési minták hatékony reprezentálására és általánosítására.
Ez a monográfia szisztematikus bevezetést nyújt a kvantum-ihletésű neurális IR-hez, beleértve a kvantum-ihletésű neurális nyelvi reprezentációt, illesztést és megértést. A QT, a neurális hálózat és az IR keresztmetszeti kutatása nemcsak a nem-klasszikus jelenségek modellezésében segít az IR-ben, hanem a neurális hálózatok elméleti szűk keresztmetszetének megtörésében és átláthatóbb neurális IR-modellek tervezésében is.
A szerzők először a QT-n alapuló nyelvi reprezentációs módszert mutatják be. Másodszor, bemutatják a kvantum inspirálta szövegillesztési és döntéshozatali modellt a neurális hálózat alatt, amely megmutatja elméleti előnyeit a dokumentum rangsorolásban, a relevanciaillesztésben, a multimodális IR-ben, és integrálható a neurális hálózattal az IR fejlesztésének közös előmozdítása érdekében. Végül a kvantumos nyelvi megértés legújabb fejlődését mutatják be, és a QT és a nyelvi modellezés további témái további anyagokat nyújtanak az olvasóknak a gondolkodáshoz.
