本研究探讨了量子计算在自然语言处理中应用的多种方法，包括基于词的分类、基于词嵌入向量的支持向量机分类以及基于二元模型的概率方法，并评估了实验结果。

Jun, 2022

该硕士论文介绍了量子自然语言处理（QNLP）的实现细节，其中采用基于张量积的算法将表示单词含义的向量通过句子的句法结构进行组合，并应用于三种实际应用场景。

Feb, 2022

提供近期量子自然语言处理的基本概念和数学基础，在量子计算机科学家友好的术语下详细介绍了最新领域的理论发展，并引用了支持实证证据和数学广义性的参考文献，在量子模型中结合了语言意义和语法，利用 Noisy Intermediate-Scale Quantum 范例为编码语言结构提供了方便，最终在 Diagrammatic Reasoning 框架下，实现了语言与量子计算机之间的相互转换。

Dec, 2020

本文介绍了使用嘈杂的中尺度量子设备进行自然语言处理（NLP）和过程生成的应用，探索设计用于句子生成的混合量子 - 经典算法，并提出实现及其在模拟和真实量子硬件上的成功应用，同时引入必要的 NLP 和量子计算背景知识。

Nov, 2022

本文介绍了一种针对近期量子计算机运行的自然语言处理全栈流程 ——QNLP，该流程中所采用的语言模型框架为组合密度语义学（DisCoCat），它扩展和补充了预组语法的组合结构；我们将 DisCoCat 图解释作于近期的量子线路映射，为量子技术运用于自然语言处理开拓了道路。

May, 2020

使用 Hindi 的参数化量子电路，通过 Quantum Natural Language Processing (QNLP) 的方法，构建了适用于 Hindi 句子的语法和主题感知的分类器。

Dec, 2023

这篇文章对于自然语言处理的量子计算研究进行了综述，目标是提高当前模型的性能，为一些语言现象（如歧义和长距离依赖）提供更好的表示。多种方法家族被介绍，包括符号图解法和混合神经网络。这些研究表明实验研究已经可行，并且为新模型的构思和评估提供了开放的研究视角。

Apr, 2024

本研究在噪声中间规模量子（NISQ）设备上探索了使用量子自然语言处理算法进行语言翻译的可行性。我们采用香农熵来展示旋转门的适当角度在参数化量子电路性能中的重要作用，并利用这些角度（参数）作为不同语言的量子电路之间的通信方式，最终通过经典神经网络的编码器 - 解码器模型和长短期记忆（LSTM）的翻译任务实现了量子神经机器翻译，该翻译方法相对于经典方法具有潜在优势。在 160 个样本的实验中，我们使用了三种优化器训练模型，并通过使用 Adam 优化器训练具有两个 LSTM 层的最佳模型获得了最佳结果，其平均绝对误差为 0.03，均方误差为 0.002，损失为 0.016。我们的研究结果表明，尽管使用简单的同义句进行训练，但 Shannon 熵在处理复杂句子结构的更复杂机器翻译模型中具有一定的实用性。

Jul, 2023

本文介绍了量子自然语言处理（QNLP）技术在情感分析中的应用，使用了 lambeq QNLP 工具包和 Cambridge Quantum（Quantinuum）的 $t|ket>$ 来实现，针对三种不同类型的模拟实现了完美的测试集准确性并在噪声量子装置上实现了尚可的准确性。

May, 2023

这篇论文提出了一种基于量子计算的自然语言处理新应用，解决了传统 CSC 语法算法的大量计算资源需求问题并取得了二次加速。

Aug, 2016