関係抽出（RE）は、文章や対話などのテキスト内で言及される2つのエンティティ間の関係タイプを予測することである。与えられたテキストが長い場合、関係予測に重要な単語を特定することは困難となる。近年のREタスクにおける進展は、BERTベースのシーケンスモデリングと、シーケンス内のトークン間の関係をグラフベースでモデル化する手法から得られている。本論文では、トークン間の様々な可能な関係を捉えるために潜在的なマルチビューグラフを構築することを提案する。次に、このグラフを精製して関係予測に重要な単語を選択する。最後に、精製されたグラフの表現とBERTベースのシーケンス表現を連結して関係抽出を行う。特に、我々が提案するGDPNet（ガウシアン動的時間歪みプーリングネットワーク）では、ガウシアングラフジェネレータ（GGG）を使用してマルチビューグラフのエッジを生成し、その後ダイナミックタイムワーププーリング（DTWPool）によってグラフを精製する。DialogREおよびTACREDにおいて、GDPNetは対話レベルでのREで最良の性能を達成し、文レベルでのREでも最先端技術と同等の性能を示している。