0 引言
1981年，理查德·费曼(Richard Feynman)在麻省理工学院举办的第一届计算物理会议上首次提出了量子计算机的概念。1994年，麻省理工学院的彼得·舒尔(Peter Shor)[1]提出了大整数质因子分解的Shor算法——能够在多项式时间复杂度求解RSA密码体系中核心的大数质因子分解问题。舒尔的开创性工作有力地促进了量子计算机和量子密码技术的发展，成为量子信息科学发展的重要里程碑之一，掀起了国际上研究量子计算的第一轮热潮。当前，量子计算蓬勃发展，各类量子算法应运而生，量子自然语言处理(Quantum Nature Language Process，QNLP)[2]作为其中一个新兴的研究领域，已开始显现出广阔的发展前景。量子自然语言处理旨在通过利用某些量子现象，如叠加、纠缠、干涉等，设计和实施自然语言处理(Nature Language Process，NLP)模型，并在量子硬件上执行与语言相关的任务。本文针对商业银行的业务实践，创新地对量子自然语言处理算法进行适应性改进，并将其应用于商业银行外部的金融新闻情绪识别和内部客户服务评价等具体场景，为量子自然语言处理算法在金融行业的落地应用提供新思路。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004900
作者信息：
吴永飞1，2，王彦博2，周代数3，靳志伟4，陈 生2，孙 喆2，俞 淼5，杨 璇2
(1.华夏银行股份有限公司，北京100020；2.龙盈智达(北京)科技有限公司，北京100020；
3.科学技术部中国科学技术发展战略研究院，北京100038；
4.财政部中国财政科学研究院，北京100036；5.东软集团(北京)有限公司，北京100094)
