Quantum machine learning for natural language processing application

量子机器学习 计算机科学 量子计算机 量子算法 加速 人工智能 量子排序 理论计算机科学 量子 量子网络 并行计算 物理 量子力学
作者
Shyambabu Pandey,Nihar Jyoti Basisth,Tushar Sachan,Neha Kumari,Partha Pakray
出处
期刊:Physica D: Nonlinear Phenomena [Elsevier]
卷期号:627: 129123-129123 被引量:2
标识
DOI:10.1016/j.physa.2023.129123
摘要

Quantum computing is a speedily emerging area that applies quantum mechanics properties to solve complex problems that are difficult for classical computing. Machine learning is a sub-field of artificial intelligence which makes computers learn patterns from experiences. Due to the exponential growth of data, machine learning algorithms may be insufficient for big data, whereas on other side quantum computing can do fast computing. A combination of quantum computing and machine learning gave rise to a new field known as quantum machine learning. Quantum machine learning algorithms take advantage of the fast processing of quantum computing and show speedup compared to their classical counterpart. Natural language processing is another area of artificial intelligence that enables the computer to understand human languages. Now, researchers are trying to take advantage of quantum machine learning speedup in natural language processing applications. In this paper, first, we discuss the path from quantum computing to quantum machine learning. Then we review the state of the art of quantum machine learning for natural language processing applications. We also provide classical and quantum-based long short-term memory for parts of speech tagging on social media code mixed language. Our experiment shows that quantum-based long short-term memory performance is better than classical long short-term memory for parts of speech tagging of code-mixed datasets.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
无花果应助蓝蓝娜娜采纳,获得10
1秒前
2秒前
负责从丹发布了新的文献求助10
3秒前
小敏发布了新的文献求助10
3秒前
3秒前
100发布了新的文献求助10
3秒前
4秒前
4秒前
5秒前
852应助露似珍珠月似弓采纳,获得10
5秒前
5秒前
5秒前
5秒前
李健的小迷弟应助魏魏魏采纳,获得10
6秒前
6秒前
惘然完成签到 ,获得积分10
6秒前
7秒前
zhu97发布了新的文献求助10
7秒前
10秒前
zhaochenyu发布了新的文献求助10
10秒前
10秒前
FashionBoy应助小敏采纳,获得10
10秒前
啊哈完成签到 ,获得积分10
10秒前
fzh完成签到,获得积分20
11秒前
mofeittt发布了新的文献求助10
11秒前
12秒前
12秒前
澈千子完成签到,获得积分10
12秒前
12秒前
13秒前
科研通AI2S应助大胆石头采纳,获得10
13秒前
科目三应助小狐狸采纳,获得10
14秒前
14秒前
Jinyi发布了新的文献求助10
15秒前
情怀应助负责从丹采纳,获得10
15秒前
彭凯发布了新的文献求助10
15秒前
蓝蓝娜娜发布了新的文献求助10
16秒前
雪艇发布了新的文献求助20
16秒前
有机合成发布了新的文献求助10
17秒前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Becoming: An Introduction to Jung's Concept of Individuation 600
Die Gottesanbeterin: Mantis religiosa: 656 500
Communist propaganda: a fact book, 1957-1958 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3170410
求助须知:如何正确求助?哪些是违规求助? 2821594
关于积分的说明 7935169
捐赠科研通 2481933
什么是DOI,文献DOI怎么找? 1322166
科研通“疑难数据库(出版商)”最低求助积分说明 633525
版权声明 602608