我们提出了一种神经网络模型，用于联合抽取命名实体及其之间的关系，无需任何手工设计的特征。该模型的关键贡献在于扩展了基于BiLSTM-CRF的实体识别模型，加入了深度双仿射注意力层（deep biaffine attention layer），以建模潜在特征之间的二阶交互作用，特别关注实体在方向关系中的角色。在基准“关系和实体识别”数据集CoNLL04上，实验结果表明我们的模型优于先前的模型，产生了新的最先进性能。