今天探讨了集合论和范畴论下的标签体系，关注文本相似度计算，尽管算法较为机械。通过语义寻找相似性，AI提供了大模型的实现方法，标签体系似乎是大模型设计的基本视角。

本文介绍了一种结合范畴论和量子力学的量子自然语言处理（QNLP）新方法，通过向量化词汇和使用组合密度语义学（DisCoCat）模型，提升了句子意义计算和词汇比较的效果。研究探讨了量子计算在自然语言处理中的应用，包括支持向量机分类和概率方法，并评估了实验结果，提出了改进模型的可能性。

本文探讨了基于范畴论的概念表示方法，强调线性表示和潜在变量模型在理解复杂概念中的作用。研究指出，凸关系类别在认知模型中具有重要性，并且通过贝叶斯模型和高维数据学习概念可以提升机器学习模型的可解释性。

本文探讨了集合论、范畴论和类型论三种数学基础的观点，数学基础是任何足以证明实际数学中通常被视为公理的结果的形式主义。