文書からのエンティティレベル関係抽出のための共同モデルを提案する。他のアプローチが局所的な文内メンションペアに注目し、メンションレベルのアノテーションを必要とするのに対し、本モデルはエンティティレベルで動作する。そのため、共参照解決を基盤とし、グローバルなエンティティ情報とローカルなメンション情報を統合した多段階表現を用いたマルチインスタンス学習を活用したマルチタスクアプローチを採用している。本研究では、DocREDデータセットにおいて最先端の関係抽出性能を達成し、今後の研究のための初めてのエンティティレベルエンドツーエンド関係抽出結果を報告する。さらに、実験結果から、タスク固有の学習と比較しても同等の性能が得られ、パラメータと学習ステップの共有によりより効率的であることが示唆された。