笔记整理:耿玉霞,浙江大学直博生。研究方向:知识图谱,零样本学习,自然语言处理等。
论文链接:https://arxiv.org/pdf/1904.05298.pdf
本文是发表在 NAACL 2019 上的最佳可解释性论文。受量子力学中数学模型的启发,在语义希尔伯特空间建模语言的基本单位:语义、词、句子,其中基于 complex-value 的end-to-end 网络,以 semantic matching 的方式在QA数据集上取得了SOTA,并具备一定的可解释性。
1、Backgroundof Quantum
(1)、Quantum Probability
微观粒子存在不同的运动状态,并且伴随着一定的概率,这些状态由一定的基态组成。以 ,
组成的二元基态为例,粒子状态的计算为这些基态的线性组合:
其中,α_0, α_1 为 complex value。
(2)、Measurement
不同的粒子,组成一个小的微观系统,由于粒子状态伴有一定的概率,微观系统本身也带有不确定性。
微观系统的不确定性由一元迹的半正定矩阵(也称densitymatrix)进行计算:
其中,为第 i 个粒子,
为量子力学中对粒子状态的向量表示,
为其转置,m表示此微观系统中粒子的数量。