私たちは、動的に構築されたスパングラフを用いてスパン表現を共有する複数の情報抽出タスクのための一般的なフレームワークを提案します。これらのグラフは、最も信頼性の高いエンティティスパンを選択し、それらのノードを信頼度重み付けされた関係タイプとコリファレンスで連結することによって構築されます。動的なスパングラフは、コリファレンスと関係タイプの信頼度がグラフを通じて伝播し、反復的にスパン表現を改良することを可能にします。これは、タスク間の相互作用が共有される最初のLSTM層にのみ限られる従来のマルチタスクフレームワークとは異なります。私たちのフレームワークは、異なるドメインを反映する複数のデータセットにおける複数の情報抽出タスクで最先端技術を超える著しい性能向上を示しています。さらに、スパン列挙アプローチはネストされたスパンエンティティの検出に優れており、ACEデータセットにおいてF1スコアに大幅な改善が見られました。