Dokumentebene-Relationsextraktion (DocRE)-Modelle verwenden in der Regel Graphnetzwerke, um die Schlussfolgerungsfähigkeiten implizit zu modellieren (z. B. Mustererkennung, logische Schlussfolgerung, Coreferenzschlussfolgerung), die mit der Beziehung zwischen einer Entity-Paar in einem Dokument verbunden sind. In diesem Paper stellen wir einen neuartigen diskriminativen Schlussfolgerungsrahmen vor, der die Pfade dieser Schlussfolgerungsfähigkeiten zwischen jedem Entity-Paar im Dokument explizit modelliert. Dementsprechend wird ein diskriminatives Schlussfolgerungsnetzwerk entworfen, das die Wahrscheinlichkeitsverteilung der Relationen für verschiedene Schlussfolgerungspfade basierend auf dem konstruierten Graphen und den vektorisierten Dokumentkontexten für jedes Entity-Paar schätzt, um so deren Beziehung zu erkennen. Experimentelle Ergebnisse zeigen, dass unsere Methode die bisher beste Leistung auf dem großskaligen DocRE-Datensatz übertrifft. Der Quellcode ist öffentlich unter https://github.com/xwjim/DRN verfügbar.