摘要
关系分类是语义处理中的一个重要任务，目前最先进的系统仍然依赖于昂贵的手工特征。在本研究中，我们使用一种基于卷积神经网络进行分类排序的方法（CR-CNN）来解决关系分类任务。我们提出了一种新的成对排名损失函数，该函数可以轻松减少人工类别对模型的影响。我们使用SemEval-2010第8项任务的数据集进行了实验，该数据集旨在对句子中标记的两个名词之间的关系进行分类。通过使用CR-CNN，我们在这一数据集上超越了现有最先进方法，达到了84.1的F1分数，而无需使用任何昂贵的手工特征。此外，我们的实验结果还表明：(1) 我们的方法比卷积神经网络后接softmax分类器更有效；(2) 省略人工类别“其他”（Other）的表示可以同时提高精确率和召回率；(3) 如果仅考虑两个目标名词之间的文本，则仅使用词嵌入作为输入特征就足以达到最先进水平。