نقدّم شبكة عصبية متكررة تعتمد على الانتباه بشكل جديد لاستخراج مذكّرات الكيانات والعلاقات معًا. ونُظهر أن الانتباه جنبًا إلى جنب مع شبكة الذاكرة القصيرة والطويلة (LSTM) يمكنها استخراج العلاقات الدلالية بين مذكّرات الكيانات دون الحاجة إلى الوصول إلى أشجار الاعتماد. وقد أظهرت التجارب على مجموعات بيانات استخراج المحتوى التلقائي (ACE) أن نموذجنا يتفوّق بشكل كبير على النموذج المشترك القائم على السمات الذي طرّحه لي وجى (2014). كما قارنّا نموذجنا بنموذج LSTM القائم على الشجرة من الطرف إلى الطرف (SPTree) الذي طرّحه ميوا وبانسال (2016)، وبيّنّا أن أداء نموذجنا يختلف بحوالي 1% في مذكّرات الكيانات و2% في العلاقات. كما أظهر التحليل الدقيق أن نموذجنا يتفوّق بشكل ملحوظ في استخراج العلاقات من نوع "العامل-الأداة"، بينما يتفوّق نموذج SPTree في استخراج العلاقات من نوع "فيزيائية" و"الجزء-الكل".