يتطلب استخراج العلاقات على مستوى المستند قراءة متعددة الجمل واستنتاج معلومات من خلال دمجها. من وجهة نظرنا، من الضروري أن يستفيد استخراج العلاقات على مستوى المستند من معلومات الاستنتاج متعددة الحجم: على مستوى الكيان، وعلى مستوى الجملة، وعلى مستوى المستند. وبالتالي، فإن كيفية الحصول على معلومات الاستنتاج ذات الحجم المتنوع ودمجها يمثل تحديًا في استخراج العلاقات على مستوى المستند، وهو ما لم يُؤخذ بعين الاعتبار في الدراسات السابقة. في هذه الورقة، نقترح شبكة استنتاج هرمية (HIN) تُستغل بشكل كامل المعلومات الغنية التي تُحصل عليها من المستويات الثلاثة: مستوى الكيان، ومستوى الجملة، ومستوى المستند. ونُطبّق قيود الترجمة والتحويل الثنائي الخطي على زوج الكيانات المستهدفة في عدة فضاءات فرعية للحصول على معلومات الاستنتاج على مستوى الكيان. ثم، نُعدّل النموذج لاستخلاص معلومات الاستنتاج على مستوى الجملة من خلال نمذجة العلاقة بين معلومات الاستنتاج على مستوى الكيان وتمثيل الجملة. وأخيرًا، نستخدم نهجًا تجميعيًا هرميًا للحصول على معلومات الاستنتاج على مستوى المستند. وبهذه الطريقة، يمكن لنموذجنا تجميع معلومات الاستنتاج من هذه الثلاثة مستويات بفعالية. أظهرت النتائج التجريبية أن طريقةنا تحقق أداءً من الدرجة الأولى على مجموعة بيانات DocRED الضخمة. كما أثبتنا أن استخدام تمثيلات BERT يمكن أن يُحسّن الأداء بشكل كبير.