نقدم نموذجًا عصبيًا جديدًا ومتكاملًا لاستخراج الكيانات والعلاقات بينها. يلتقط نموذجنا القائم على الشبكات العصبية التكرارية كل من تسلسل الكلمات وبنية شجرة الاعتماد من خلال تراكيب LSTM-RNN ثنائية الاتجاه على LSTM-RNN ثنائية الاتجاه تسلسليًا. هذا يسمح لنموذجنا بتمثيل الكيانات والعلاقات بشكل مشترك مع معلمات مشتركة في نموذج واحد. نشجع أيضًا اكتشاف الكيانات أثناء التدريب واستخدام معلومات الكيان في استخراج العلاقات من خلال التدريب المسبق للكيانات والعينة المجدولة. يحسن نموذجنا على النموذج المتميز القائم على الخصائص في استخراج العلاقات من النهاية إلى النهاية، حيث حقق نسبة تخفيض أخطاء نسبية قدرها 12.1% و5.7% في درجة F1 على ACE2005 وACE2004، على التوالي. كما نظهر أن نموذجنا القائم على LSTM-RNN يقارن بشكل ملائم مع النموذج المتميز القائم على CNN (في درجة F1) في تصنيف العلاقات الأسمية (مهمة SemEval-2010 رقم 8). وأخيرًا، نقدم تحليل إزالة شامل لعدة مكونات من النموذج.