当前的监督式关系分类（Relation Classification, RC）任务通常采用单一嵌入向量来表示一对实体之间的关系。我们认为，更优的方法是将RC任务视为一种跨度预测（Span Prediction, SP）问题，类似于问答（Question Answering, QA）任务的建模方式。本文提出了一种基于跨度预测的关系分类系统，并将其性能与传统的基于嵌入的系统进行了对比评估。实验结果表明，监督式跨度预测目标显著优于传统的分类目标。在TACRED和SemEval Task 8两个数据集上，我们的方法均取得了当前最优（state-of-the-art）的性能表现。