استخراج العلاقات مهم للغاية لإكمال وبناء قواعد المعرفة، حيث يتم استخدام الطرق المراقبة عن بعد بشكل واسع لاستخراج الحقائق العلائقية تلقائيًا باستخدام قواعد المعرفة الموجودة. ومع ذلك، فإن المجموعات البيانات التي تم بناؤها تلقائيًا تحتوي على كميات كبيرة من الجمل ذات الجودة المنخفضة التي تتضمن كلمات ضوضائية، وهو ما يُغفله الطرق المراقبة عن بعد الحالية مما يؤدي إلى دقة غير مقبولة. لحل هذه المشكلة، نقترح نهجًا جديدًا للمراقبة عن بعد على مستوى الكلمات لاستخراج العلاقات. أولاً، نقوم ببناء شجرة فرعية للتحليل النحوي (Sub-Tree Parse - STP) لإزالة الكلمات الضوضائية التي لا علاقة لها بالعلاقات. ثم نقوم ببناء شبكة عصبية تأخذ الشجرة الفرعية كمدخل بينما تطبق انتباهًا لكل كيان لتحديد الخصائص الدلالية الهامة لكلمات العلاقات في كل حالة. لجعل نموذجنا أكثر صلابة ضد الكلمات الضوضائية، نقوم بتوفير معرفة أولية لشبكتنا من خلال التعلم المستند إلى النقل من مهمة تصنيف الكيانات ذات الصلة. أجرينا تجارب واسعة باستخدام مجموعات البيانات الخاصة بصحيفة نيويورك تايمز (NYT) وفريباز (Freebase). أظهرت التجارب أن نهجنا فعال ويحسن منطقة الدقة/الاستدراك (Precision/Recall - PR) من 0.35 إلى 0.39 مقارنة بأحدث الأعمال في هذا المجال.