Dieses Papier präsentiert eine Methode zur semantischen Datenanalyse durch komplexwertige Matrixzerlegung. Die Methode basiert auf dem quantenmechanischen Modell der kontextuellen Entscheidungsfindung, gemäß dem beobachtbare Wahrscheinlichkeiten durch die Qubit-Zustände erzeugt werden, die die subjektive Bedeutung der Kontexte in Bezug auf die Basisentscheidung repräsentieren. Im einfachsten Fall mit drei Kontexten wird eines dieser Qubits in eine Superposition der verbleibenden beiden zerlegt, wodurch mathematisch semantische Beziehungen zwischen den drei Kontexten kodiert werden. Für die Verwendung in der Datenanalyse wird dieses Modell in die Matrixform übersetzt, in der die Zeilen und Spalten den Kontexten und Proben des Experiments entsprechen. Die beobachtbaren reellwertigen Daten entstehen dann aus einer komplexwertigen Amplitudenmatrix, die in ein Produkt aus einer reellen Basis-Matrix und einer komplexwertigen Matrix der Superpositionskoeffizienten zerlegt wird. Diese Zersetzung zeigt stabile prozess-semantische Beziehungen zwischen den betrachteten Kontexten, die von anderen Analysemethoden nicht erfasst werden. Infolgedessen werden die Daten mit höherer Präzision und weniger Parametern approximiert als bei singulären und nichtnegativen Matrixzerlegungen, die auf dieselbe Dimension reduziert werden. Das Modell wird experimentell in den beschreibenden und prognostischen Regimen getestet. Das Ergebnis eröffnet Perspektiven für die Entwicklung naturnahe rechnerische Architekturen auf neuartigen logischen Grundlagen.
I. A. Surov (Mon,) untersuchte diese Frage.