La extracción de relaciones de pocas muestras tiene como objetivo identificar y extraer relaciones semánticas entre pares de entidades utilizando solo un pequeño número de instancias anotadas. Muchos métodos basados en prototipos propuestos recientemente han mostrado un rendimiento excelente. Sin embargo, los métodos existentes basados en prototipos ignoran la información oculta de interacción entre instancias entre los conjuntos de soporte y consulta, lo que lleva a prototipos poco confiables. Además, la optimización actual de la red prototípica solo se basa en la pérdida de entropía cruzada. Solo se preocupa por la precisión de la probabilidad predicha para la etiqueta correcta, ignorando las diferencias de otras etiquetas no correctas, lo que no puede tener en cuenta la discretización de relaciones en el espacio semántico. Este artículo propone una red atencional de información de interacción para obtener un prototipo de relación más confiable. En primer lugar, se diseña un módulo de atención de información de interacción entre instancias para mitigar la falta de fiabilidad del prototipo a través de la información de interacción entre las instancias del conjunto de soporte y del conjunto de consulta, utilizando la información de categoría oculta en el conjunto de consulta. En segundo lugar, el escalar de similitud, que está definido por las características mixtas del prototipo y la relación y se agrega a la pérdida focal para mejorar la atención de los ejemplos difíciles. Realizamos experimentos extensos en dos conjuntos de datos estándar y demostramos la validez de nuestro modelo propuesto.