ラベルノイズと長尾分布は、間接監督関係抽出における2つの主要な課題である。最近の研究では、ノイズ除去に大きな進展が見られているが、長尾分布の問題にはほとんど注目されていない。本論文では、関係ラベル間の依存関係をモデル化するための制約グラフを導入する。さらに、この制約グラフに基づく新しい関係抽出フレームワーク（CGRE: Constraint Graph-based Relation Extraction）を提案し、両方の課題を同時に解決することを目指す。CGREは、グラフ畳み込みネットワークを使用してデータ量が多い関係ノードから少ない関係ノードへ情報を伝播させることで、長尾分布の関係表現学習を強化する。また、ノイズ耐性をさらに向上させるために、CGRE内に制約情報を取り込む制約認識アテンションモジュールが設計されている。広範な実験結果により、CGREは従来の方法よりも両方の課題において有意な改善を達成していることが示された。前処理済みデータセットとソースコードは公開されており、https://github.com/tmliang/CGRE からアクセス可能である。