ドキュメントレベルの関係抽出（Document-level RE）は、複数文にわたる読解、推論および情報の統合を必要とする。本研究の観点から、ドキュメントレベルのREにおいて、エンティティレベル、文レベル、ドキュメントレベルという複数の粒度における推論情報を活用することが不可欠である。したがって、異なる粒度の推論情報をどのように取得し、統合するかは、従来の研究では十分に検討されていない重要な課題である。本論文では、エンティティレベル、文レベル、ドキュメントレベルから得られる豊富な情報を効果的に活用するため、階層的推論ネットワーク（Hierarchical Inference Network, HIN）を提案する。まず、複数の部分空間においてターゲットエンティティペアに対して翻訳制約（translation constraint）と二重線形変換（bilinear transformation）を適用し、エンティティレベルの推論情報を得る。次に、エンティティレベルの情報と文表現との間の推論をモデル化することで、文レベルの推論情報を生成する。最後に、階層的集約アプローチを採用して、ドキュメントレベルの推論情報を得る。このようにして、本モデルは、これらの異なる粒度から得られる推論情報を効果的に統合することが可能となる。実験の結果、本手法は大規模なDocREDデータセットにおいて最先端の性能を達成した。さらに、BERT表現を用いることで、性能がさらに顕著に向上することも示した。