関係抽出は大規模な知識グラフの構築に大きな可能性を秘めていますが、現在の手法では各関係トリプレットの修飾属性（クオリファイア）である時間、数量、場所などが考慮されていません。これらのクオリファイアはハイパーリレーショナル事実を形成し、より豊かで複雑な知識グラフの構造を捉えることができます。例えば、関係トリプレット（レナード・パーカー, 教育を受けた, ハーバード大学）は、クオリファイア（終了時間, 1967年）を含めることで事実として豊かになります。したがって、私たちはテキストからより具体的かつ完全な事実を抽出するためのハイパーリレーショナル抽出というタスクを提案します。このタスクには3つのエンティティ間の相互作用を考える必要があるため、既存のモデルではハイパーリレーショナル抽出を行うことができません。そこで、テーブルフィリング手法に着想を得た立方体充填モデルであるCubeREを提案します。CubeREは関係トリプレットとクオリファイア間の相互作用を明示的に考慮します。さらに、モデルのスケーラビリティ向上と負クラスの不均衡軽減のために立方体剪定法も提案しています。私たちの実験結果は、CubeREが強力なベースラインを超える性能を示しており、今後の研究方向性も明らかにしています。私たちのコードとデータセットはgithub.com/declare-lab/HyperREDで公開されています。