في هذه الدراسة، تُقدَّم طريقة جديدة لاستخراج الكيانات المُعرَّفة والعلاقات من النصوص غير المنظمة باستخدام تمثيل الجدول. وباستخدام تمثيلات كلمات مُحتَوَية سياقيًا، تقوم الطريقة المقترحة بحساب تمثيلات للإشارات إلى الكيانات والاعتماديات الطويلة المدى دون الحاجة إلى ميزات مُصاغة يدويًا معقدة أو هياكل شبكة عصبية معقدة. كما نُعدِّل عملية الضرب القياسي للـtensor للتنبؤ بعلامات العلاقات دفعة واحدة، دون اللجوء إلى التنبؤات القائمة على السياق أو استراتيجيات البحث. وقد ساهمت هذه التطورات في تبسيط النموذج والخوارزمية بشكل كبير لاستخراج الكيانات المُعرَّفة والعلاقات. وعلى الرغم من بساطتها، تُظهر النتائج التجريبية أن الطريقة المقترحة تتفوق على أحدث الطرق المُعتمدة في مجموعتي بيانات CoNLL04 وACE05 باللغة الإنجليزية. كما نؤكد أن الطريقة المقترحة تحقق أداءً مماثلاً للنماذج الرائدة في استخراج الكيانات المُعرَّفة (NER) على مجموعة بيانات ACE05 عند توفر جمل متعددة لجمع السياق.