利用Harris模型，详细分析了Mazziotti提出的重构方法和Chen提出的一种由低阶约化密度矩阵重构高阶约化密度矩阵的系统方法（Sciencein China B，2006，49：402）的差异．如果忽略Mazziotti方法中的^3△M、^4△M和Chen方法中的^3△M、^4...利用Harris模型，详细分析了Mazziotti提出的重构方法和Chen提出的一种由低阶约化密度矩阵重构高阶约化密度矩阵的系统方法（Sciencein China B，2006，49：402）的差异．如果忽略Mazziotti方法中的^3△M、^4△M和Chen方法中的^3△M、^4△M计算结果显示两种方法的计算误差相近．更好的近似是只忽略四级项^4△M、^4△M而三级项由相应的四级项通过简缩来计算．采用Mazziotti方法计算出来的有些近似值和精确值连正负号都不同，而用Chen方法计算出来的近似值和精确值不仅正负符号一致，而且数值大小也很接近．展开更多
在信息检索领域,量子干涉理论已应用于文档相关性、次序效应等核心问题的研究中,旨在建模用户认知引起的类量子干涉现象.文中从语言理解的需求出发,利用量子理论的数学工具分析语义组合过程中存在的语义演化现象,提出融合量子干涉信息...在信息检索领域,量子干涉理论已应用于文档相关性、次序效应等核心问题的研究中,旨在建模用户认知引起的类量子干涉现象.文中从语言理解的需求出发,利用量子理论的数学工具分析语义组合过程中存在的语义演化现象,提出融合量子干涉信息的双重特征文本表示模型(Quantum Interference Based Duet-Feature Text Representation Model,QDTM).模型以约化密度矩阵为语言表示的核心组件,有效建模维度级别的语义干涉信息.在此基础上,构建捕获全局特征信息与局部特征信息的模型结构,满足语言理解过程中不同粒度的语义特征需求.在文本分类数据集和问答数据集上的实验表明,QDTM的性能优于量子启发的语言模型和神经网络文本匹配模型.展开更多
文摘利用Harris模型，详细分析了Mazziotti提出的重构方法和Chen提出的一种由低阶约化密度矩阵重构高阶约化密度矩阵的系统方法（Sciencein China B，2006，49：402）的差异．如果忽略Mazziotti方法中的^3△M、^4△M和Chen方法中的^3△M、^4△M计算结果显示两种方法的计算误差相近．更好的近似是只忽略四级项^4△M、^4△M而三级项由相应的四级项通过简缩来计算．采用Mazziotti方法计算出来的有些近似值和精确值连正负号都不同，而用Chen方法计算出来的近似值和精确值不仅正负符号一致，而且数值大小也很接近．
文摘在信息检索领域,量子干涉理论已应用于文档相关性、次序效应等核心问题的研究中,旨在建模用户认知引起的类量子干涉现象.文中从语言理解的需求出发,利用量子理论的数学工具分析语义组合过程中存在的语义演化现象,提出融合量子干涉信息的双重特征文本表示模型(Quantum Interference Based Duet-Feature Text Representation Model,QDTM).模型以约化密度矩阵为语言表示的核心组件,有效建模维度级别的语义干涉信息.在此基础上,构建捕获全局特征信息与局部特征信息的模型结构,满足语言理解过程中不同粒度的语义特征需求.在文本分类数据集和问答数据集上的实验表明,QDTM的性能优于量子启发的语言模型和神经网络文本匹配模型.
