sentiment-classification

论文提出QTrans，一个用于情感分类的量子-经典混合Transformer模型，该模型使用参数化量子电路进行注意力计算，在基准数据集上实现了比经典基线更高的准确率。

本文提出了一种用于音频情感极性分类的多模态解决方案，通过跨模态转换器集成音频和多语言文本转录，并利用知识蒸馏增强纯音频模型，在推理过程中不增加计算开销。

一项对比研究，评估了三种可解释性技术（Integrated Gradients、Attention Rollout、SHAP）在微调 DistilBERT 模型上的表现，用于情感分类任务，重点突出了基于梯度、基于注意力和模型无关方法在大语言模型可解释性中的权衡。