意味関係分類における単純なネガティブサンプリングを用いた畳み込みニューラルネットワーク

文法的特徴は、文内の関係を特定する上で重要な役割を果たします。従来のニューラルネットワークモデルでは、主語と目的語が遠く離れている場合に無関係な情報が導入されることがしばしば問題となっていました。本論文では、最短依存パスを通じて畳み込みニューラルネットワーク（CNN）によりより堅牢な関係表現を学習することを提案します。さらに、主語と目的語の割り当てを改善するための単純なネガティブサンプリング戦略も提案しています。実験結果は、我々の手法がSemEval-2010タスク8データセットにおいて最先端の手法を上回っていることを示しています。