関係分類（Relation Classification）は、文内の二つのエンティティ間の関係を予測することを目的としている。従来の手法では、文内の二つのエンティティに対してすべての関係を候補関係として扱っている。しかし、このようなアプローチはエンティティのタイプによる候補関係の制約を無視しており、不適切な関係が候補として含まれるという問題がある。本論文では、エンティティタイプを活用して候補関係を制限する新しい枠組み、RElation Classification with ENtity Type restriction（RECENT）を提案する。特に、関係とエンティティタイプの相互制約を形式化し、関係分類に導入する。さらに、提案するRECENTフレームワークはモデル非依存（model-agnostic）である。代表的なモデルであるGCNおよびSpanBERTを基盤として、それぞれRECENT_GCNおよびRECENT_SpanBERTを構築した。標準データセットにおける実験結果から、RECENTはGCNおよびSpanBERTの性能をそれぞれ6.9点および4.4点のF1スコア向上させた。特に、RECENT_SpanBERTはTACREDデータセットにおいて新たな最良性能（state-of-the-art）を達成した。