神经网络在关系抽取任务中已展现出良好的性能。当前最先进的模型将该任务建模为端到端问题，并通过局部分类器逐步求解。然而，以往基于统计模型的研究表明，全局优化相较于局部分类能够获得更优的性能表现。为此，本文提出一种全局优化的神经网络模型，用于端到端关系抽取，并引入新型的LSTM特征，以更有效地学习上下文表示。此外，我们提出一种新颖的方法，用于融合句法信息以促进全局学习，该方法对句法语法知识要求较低，因而具有良好的可扩展性。实验结果表明，所提出的模型具有显著有效性，在两个标准基准数据集上均取得了最佳性能。