arrow
返回

Multimodal sentiment analysis method based on image-text quantum transformer

delete2025-07-01
delete0
PRE
AI
H
Huaiguang Wu
D
Delong Kong
L
Lijie Wang
D
Daiyi Li *
J
Jiahui Zhang
Y
Yucan Han
DOI:10.1016/j.neucom.2025.130107delete
delete原文链接
delete分享
delete收藏
摘要

摘要

En 中文
多模态情感分析旨在识别和解释不同模态数据中包含的多样化情感信息。尽管多模态情感分析方法已取得显著成果,但在捕捉高维数据的复杂特征方面仍存在一定局限性。本文提出一种利用图像和文本量子Transformer(ITQT-MSA)的多模态情感分析方法,该方**法创新性地结合量子计算和深度学习技术,以实现更精准的情感识别与分析。首先,设计了一种面向文本的参数化量子电路,利用量子叠加和纠缠特性,并结合Transformer模型,从文本数据中实现深度特征提取。其次,构建了另一种面向图像的参数化量子电路,并与视觉Transformer(VIT)相结合,充分提取图像中的情感信息。最后,通过设计的交叉注意力融合机制,实现了文本和图像特征的精确对齐与融合。实验在经典计算机上通过在模拟噪声环境中设计量子电路进行,结果表明,所提方法优于当前最优(SOTA)模型。**
Keyword:
Multimodal sentiment analysis
Quantum transformer
Parameterized quantum circuit
Visual Transformer
Cross-attention fusion

期刊

Neurocomputing 封面图
Neurocomputing
IF:
6.5
论文数:
2.5W
被引数:
6.5W

机构

暂无机构信息
引用论文

引用论文

err分享
err收藏
Demonstrating a Continuous Set of Two-qubit Gates for Near-term Quantum Algorithms
err2020-09-15
err0
errOAAI
errB. Foxen; C. Neill; A. Dunsworth; P. Roushan; B. Chiaro; A. Megrant; J. Kelly; Zijun Chen; K. Satzinger; R. Barends; F. Arute; K. Arya; R. Babbush; D. Bacon; J. C. Bardin; S. Boixo; D. Buell; B. Burkett; Yu Chen; R. Collins; E. Farhi; A. Fowler; C. Gidney; M. Giustina; R. Graff; M. Harrigan; T. Huang; S. V. Isakov; E. Jeffrey; Z. Jiang; D. Kafri; K. Kechedzhi; P. Klimov; A. Korotkov; F. Kostritsa; D. Landhuis; E. Lucero; J. McClean; M. McEwen; X. Mi; M. Mohseni; J. Y. Mutus; O. Naaman; M. Neeley; M. Niu; A. Petukhov; C. Quintana; N. Rubin; D. Sank; V. Smelyanskiy; A. Vainsencher; T. C. White; Z. Yao; P. Yeh; A. Zalcman; H. Neven; J. M. Martinis
err分享
err收藏
学者 查看更多内容