過去10年間、伝統的な特徴量ベースの手法が単語や辞書的パターンなどの離散構造を用いてテキストから関係を抽出することに成功してきました。最近では、畳み込みニューラルネットワーク（CNN）と再帰型ニューラルネットワーク（RNN）が連続表現を通じて文内の潜在的な構造を捉える非常に効果的なメカニズムを提供しており、これにより関係抽出の性能が大幅に向上しています。CNNの利点は、文内の連続するk-gramを一般化する能力にあり、一方RNNは長い範囲の文脈情報を効果的に符号化することができます。本論文では、これらの伝統的な特徴量ベースの手法とCNNおよびRNNを組み合わせることで、それぞれの利点を同時に活用することを目指します。異なるネットワークアーキテクチャと組み合わせ方法についての我々の系統的な評価は、このアプローチの有効性を示し、ACE 2005およびSemEvalデータセットにおいて最先端の性能を達成しています。