ニューラルネットワークは関係抽出において有望な結果を示している。最先端のモデルはこのタスクをエンド・トゥ・エンドの問題として定式化し、局所的な分類器を用いて段階的に解いている。しかし、従来の統計モデルに関する研究では、局所的分類よりもグローバル最適化により高い性能が達成可能であることが示されている。本研究では、エンド・トゥ・エンド関係抽出を対象に、グローバルに最適化されたニューラルモデルを構築し、文脈表現をより効果的に学習するための新しいLSTM特徴量を提案する。さらに、構文情報を統合する新たな手法を提示する。この手法は構文文法に関する豊富な知識を必要としないため、拡張が容易である。実験結果から、提案モデルが非常に有効であることが示され、2つの標準ベンチマークにおいて最良の性能を達成した。