초록
관계 분류는 여전히 최신 시스템이 비용이 많이 드는 수작업 특징에 의존하는 중요한 의미론적 처리 작업입니다. 본 연구에서는 두 명사가 문장에서 표시된 관계를 분류하기 위해 순위 매기기를 수행하는 합성곱 신경망(CR-CNN)을 사용하여 관계 분류 작업에 접근합니다. 우리는 인공 클래스의 영향을 줄이기 쉬운 새로운 쌍별 순위 손실 함수를 제안합니다. SemEval-2010 Task 8 데이터셋을 사용하여 실험을 수행했습니다. 이 데이터셋은 문장에서 표시된 두 명사 사이의 관계를 분류하도록 설계되었습니다. CR-CNN을 사용하여 이 데이터셋에 대한 최신 성능을 초월하였으며, 어떠한 비용이 많이 드는 수작업 특징도 사용하지 않고 F1 점수 84.1을 달성하였습니다. 또한, 우리의 실험 결과는 다음과 같은 점들을 보여주었습니다: (1) 우리의 접근 방식은 소프트맥스 분류기를 사용한 CNN보다 효과적임; (2) 인공 클래스 Other의 표현을 생략하면 정밀도와 재현율 모두 향상됨; 그리고 (3) 두 대상 명사 사이의 텍스트만 고려할 경우 단어 임베딩만으로도 최신 성능 결과를 달성할 수 있음.