既存の研究では、長文の複数当事者間会話における文間関係抽出について、その手法の説明可能性を考慮せずに関係抽出の改善を目指しています。本研究はそのギャップに着目し、部分的にラベル付けされたデータのみを使用しながら、関係が存在することを示す説明を抽出することに焦点を当てています。私たちはモデルに依存しないフレームワークD-REX（Policy-Guided Semi-Supervised Algorithm for Explaining and Ranking Relations）を提案します。このフレームワークは、関係抽出を再ランキングタスクとして定式化し、推論プロセスの中間ステップとして関係およびエンティティ固有の説明を含めています。評価の結果、約90%の人間アノテーターが強力なBERTベースの共同関係抽出および説明モデルよりもD-REXの説明を好むことがわかりました。最後に、対話関係抽出データセットでの評価により、私たちの方法は単純でありながら効果的であり、関係抽出において最先端のF1スコアを達成しており、既存手法に対して13.5%向上していることが確認されました。