الاستخراج الثلاثي هو مهمة أساسية في استخراج المعلومات لمعالجة اللغة الطبيعية وبناء الرسوم المعرفية. في هذه الورقة، نعيد النظر في مهمة الاستخراج الثلاثي النهائية المبنية على التوليد التسلسلي. نظرًا لأن الاستخراج الثلاثي القائم على التوليد قد يعاني من صعوبة في التقاط الاعتماديات طويلة المدى وإنتاج ثلاثيات غير دقيقة، نقدم نموذجًا جديدًا يُسمى "الاستخراج الثلاثي التبايني باستخدام محول توليد". بشكل محدد، نُدخل وحدة محول مشتركة واحدة لوحدة الترميز-التفكيك المستخدمة في التوليد. ولضمان إنتاج ثلاثيات موثوقة، نقترح كائن تدريب ثلاثي تبايني جديد. علاوة على ذلك، نُقدّم ميكانيزمين لتحسين أداء النموذج بشكل أكبر (أي قناع التفكير الديناميكي حسب المجموعة، والتصحيح الثلاثي الفردي). أظهرت النتائج التجريبية على ثلاث مجموعات بيانات (أي NYT، WebNLG، وMIE) أن منهجنا يحقق أداءً أفضل مقارنةً بالأساليب الأساسية.