تصنيف العلاقات هو مهمة معالجة دلالية مهمة لا تزال أنظمة الطليعة تعتمد فيها على الخصائص المصنوعة يدويًا باهظة الثمن. في هذا العمل، نتناول مهمة تصنيف العلاقات باستخدام شبكة عصبية مت convoled تنوية تقوم بالتصنيف من خلال الترتيب (CR-CNN). نقترح دالة خسارة جديدة للترتيب الثنائي التي تسهل تقليل تأثير الفئات الاصطناعية. نقوم بإجراء التجارب باستخدام مجموعة بيانات SemEval-2010 Task 8، وهي مصممة لمهمة تصنيف العلاقة بين اسمين محددَين في جملة. باستخدام CR-CNN، نتفوق على أحدث التقنيات لهذه المجموعة من البيانات ونحقق F1 قدره 84.1 دون استخدام أي خصائص مصنوعة يدويًا باهظة الثمن. بالإضافة إلى ذلك، تظهر نتائج تجاربنا أن: (1) نهجنا أكثر فعالية من الشبكة العصبية المت convoled تنوية متبوعة بمصنف softmax؛ (2) حذف تمثيل الفئة الاصطناعية الأخرى يحسن الدقة والاسترجاع؛ و(3) استخدام المتجهات الكلامية فقط كخصائص إدخال كافٍ لتحقيق أحدث النتائج إذا اعتبرنا فقط النص بين الاسمين المستهدفَين.注释：在上述翻译中，“مت convoled تنوية”是“卷积”的音译，为了保持专业性和准确性，建议使用“متعددة الطبقات المتلافهة”（multi-layered convolutional）或直接使用“شبكة عصبية متلافهة”（convolutional neural network）。因此，更准确的翻译如下：تصنيف العلاقات هو مهمة معالجة دلالية مهمة لا تزال أنظمة الطليعة تعتمد فيها على الخصائص المصنوعة يدويًا باهظة الثمن. في هذا العمل، نتناول مهمة تصنيف العلاقات باستخدام شبكة عصبية متلافهة تقوم بالتصنيف من خلال الترتيب (CR-CNN). نقترح دالة خسارة جديدة للترتيب الثنائي التي تسهل تقليل تأثير الفئات الاصطناعية. نقوم بإجراء التجارب باستخدام مجموعة بيانات SemEval-2010 Task 8، وهي مصممة لمهمة تصنيف العلاقة بين اسمين محددَين في جملة. باستخدام CR-CNN، نتفوق على أحدث التقنيات لهذه المجموعة من البيانات ونحقق F1 قدره 84.1 دون استخدام أي خصائص مصنوعة يدويًا باهظة الثمن. بالإضافة إلى ذلك، تظهر نتائج تجاربنا أن: (1) نهجنا أكثر فعالية من الشبكة العصبية المتلافهة متبوعة بمصنف softmax؛ (2) حذف تمثيل الفئة الاصطناعية الأخرى يحسن الدقة والاسترجاع؛ و(3) استخدام المتجهات الكلامية فقط كخصائص إدخال كافٍ لتحقيق أحدث النتائج إذا اعتبرنا فقط النص بين الاسمين المستهدفيْن.