Quantum-inspired interpretable deep learning architecture for text sentiment analysis

Bingyu Li

doi:10.1016/j.neunet.2026.109053

Quantum-inspired interpretable deep learning architecture for text sentiment analysis

2026-04-30

0

PRE

AI

DOI：10.1016/j.neunet.2026.109053

原文链接

原文求助

摘要

En 中文

文本已成为社交媒体上占主导地位的交流媒介，承载着丰富的情感信号。提取此类信息对于理解公众意见和用户行为至关重要。尽管现有的情感分析方法已取得显著进展，但它们在整合多样化语义线索方面仍存在困难，并且通常缺乏可解释性。为克服这些局限性，我们引入了一种受量子启发的深度学习架构，将量子力学（QM）的基本原理与情感分析的神经网络模型相结合。具体而言，我们利用文本表示与量子力学之间的结构相似性，设计了一种受量子启发的表示方案，并进一步扩展了一种新颖的嵌入层。基于长短期记忆（LSTM）网络和自注意力机制（SAMs）的特征提取模块用于捕捉上下文依赖关系，而基于复值量子状态的密度矩阵表述则实现了表达力和可解释性的建模。最后，采用二维卷积神经网络（CNN）进行特征压缩和降维。大量的可视化、比较和消融实验表明，我们的模型不仅比现有方法在准确性和效率上更优，而且通过整合量子力学原理，还提供了增强的可解释性。该实现代码可在QITSA上公开获取。

Keyword:

Quantum-inspired

Sentiment analysis

Deep learning

Interpretability

Text representation

Quantum-inspired interpretable deep learning architecture for text sentiment analysis

摘要

期刊

机构

引用论文