نقدم FREDo، وهو معيار للاستخراج العلائقي على مستوى الوثيقة بقليل من الأمثلة (FSDLRE). على عكس المعايير الموجودة التي تُبنى على مجموعات بيانات الاستخراج العلائقي على مستوى الجملة، نعتقد أن مجموعات البيانات على مستوى الوثيقة توفر واقعية أكبر، خاصة فيما يتعلق بتوزيعات "لا شيء مما سبق" (NOTA). لذلك، نقترح مجموعة من مهام FSDLRE ونبني معيارًا استنادًا إلى مجموعتين موجودتين من بيانات التعلم الإشرافي، وهما DocRED وsciERC. قمنا بتكيف أحدث طريقة على مستوى الجملة MNAV لمستوى الوثيقة وتطويرها أكثر لتحقيق تحسين في التكيف النمطي. نجد أن FSDLRE هو إعداد صعب يحتوي على خصائص جديدة ومثيرة للاهتمام مثل القدرة على أخذ عينات من حالات "لا شيء مما سبق" (NOTA) من المجموعة الداعمة. البيانات والكود والنموذج المدرب متاحة عبر الإنترنت (https://github.com/nicpopovic/FREDo).