本論文では、エンティティ関係抽出の新しいパラダイムを提案します。このタスクをマルチターンの質問応答問題として扱います。つまり、エンティティと関係の抽出は、コンテキストから回答範囲を特定するタスクに変換されます。このマルチターンQA形式には、以下の重要な利点があります：第一に、質問クエリは我々が識別したいエンティティ/関係クラスに関する重要な情報を符号化します；第二に、QAはエンティティと関係を統合してモデル化する自然な方法を提供します；第三に、既存の機械読解（MRC）モデルを利用することができます。ACEコーパスとCoNLL04コーパスでの実験結果は、提案したパラダイムが従来の最良モデルを大幅に上回ることを示しています。ACE04, ACE05, CoNLL04データセットすべてで最先端の結果を得ることができ、それぞれの3つのデータセットにおけるSOTA（State-of-the-Art）結果が49.4 (+1.0), 60.2 (+0.6), 68.9 (+2.1)へと向上しました。さらに、中国語で新たに開発されたRESUMEデータセットも構築しました。このデータセットでは、単一ステップの依存関係抽出とは異なり、エンティティ間の依存関係を構築するために多段階の推論が必要です。提案したマルチターンQAモデルはRESUMEデータセットでも最良の性能を達成しました。