معظم الطرق الموجودة حاليًا تحدد أنواع العلاقات فقط بعد التعرف على جميع الكيانات، مما يجعل التفاعل بين أنواع العلاقات وذكر الكيانات غير مُنمَّذج بشكل كامل. يقدم هذا البحث نموذجًا جديدًا للتعامل مع استخراج العلاقات من خلال اعتبار الكيانات المرتبطة هي الوسائط (arguments) للعلاقة. نطبق في هذا النموذج إطار التعلم التعزيزي الهرمي (Hierarchical Reinforcement Learning - HRL) لتعزيز التفاعل بين ذكر الكيانات وأنواع العلاقات. يتم تفكيك عملية الاستخراج بأكملها إلى هرم يتكون من سياسات تعزيزية ذات مستويين، أحدهما للكشف عن العلاقات والآخر لاستخراج الكيانات، مما يجعل التعامل مع العلاقات المتشابكة أكثر إمكانية وطبيعيًا. تم تقييم نموذجنا على مجموعات بيانات عامة جُمِعت عبر الإشراف البعيد (distant supervision)، وأظهرت النتائج أنه يحقق أداءً أفضل من الطرق الموجودة ويتميز بقدرات أكبر في استخراج العلاقات المتشابكة.