エンティティと関係の同時抽出問題に対してマルチタスク学習アプローチを用いる考え方は、エンティティ認識タスクと関係分類タスクの間に存在する相関性に由来する。既存のマルチタスク学習手法は、両タスク間の相互作用を共有ネットワークを通じて学習し、共有された情報がタスク固有のネットワークに渡されて予測が行われる。しかし、このようなアプローチでは、両タスク間の明示的な相互作用を効果的に学習することができず、各タスクの性能向上が阻害される。これを解決するため、本研究では「再帰的相互作用ネットワーク（Recurrent Interaction Network）」と呼ぶマルチタスク学習モデルを提案する。このモデルは、タスク間の相互作用を動的に学習可能とし、分類に適したタスク固有の特徴を効果的にモデル化することを可能にする。実世界の2つのデータセットを用いた実証的研究により、提案モデルの優位性が確認された。