公开(公告)号：CN115048935B

公开(公告)日：2024-05-14

申请号：CN202210383512.5

申请日：2022-04-12

Applicant: 北京理工大学

Inventor： 宋大为 ,  张辰辰 ,  李秋池 ,  马放

IPC: G06F18/22 ,  G06F40/30 ,  G06N3/0499 ,  G06N3/048

Abstract: 本发明涉及一种基于密度矩阵的语义匹配方法，属于自然语言处理中的文本匹配技术领域。本方法提出了一种基于密度矩阵的状态‑概率对偶性的量子启发的自然语言处理模型，利用该模型进行语义匹配。该模型的状态‑概率对偶性自然产生了一种混合方法，结合了基于表示的语义匹配和基于交互的语义匹配两种工作方式。通过对句子对中的一个句子的密度矩阵进行奇异值分解，提取出句子的主要语义成分，这些语义成分构成了语义空间的正交基，从而作为句子对中另一个句子的测量算子进行量子测量。本方法采用的句子对非对称处理方法，显著地提高了语义匹配的性能。

公开(公告)号：CN115048935A

公开(公告)日：2022-09-13

申请号：CN202210383512.5

申请日：2022-04-12

Applicant: 北京理工大学

Inventor： 宋大为 ,  张辰辰 ,  李秋池 ,  马放

IPC: G06F40/30 ,  G06N3/04

Abstract: 本发明涉及一种基于密度矩阵的语义匹配方法，属于自然语言处理中的文本匹配技术领域。本方法提出了一种基于密度矩阵的状态‑概率对偶性的量子启发的自然语言处理模型，利用该模型进行语义匹配。该模型的状态‑概率对偶性自然产生了一种混合方法，结合了基于表示的语义匹配和基于交互的语义匹配两种工作方式。通过对句子对中的一个句子的密度矩阵进行奇异值分解，提取出句子的主要语义成分，这些语义成分构成了语义空间的正交基，从而作为句子对中另一个句子的测量算子进行量子测量。本方法采用的句子对非对称处理方法，显著地提高了语义匹配的性能。