ドキュメントレベルの関係抽出（DocRE）は、文書内のすべてのエンティティペア間の関係を特定するタスクである。関係抽出の手がかりを含む文として定義される「証拠（evidence）」は、DocREシステムが関連するテキストに注目できるように支援することができ、関係抽出の精度向上に寄与することが示されている。しかし、DocREにおける証拠検索（ER）は、二つの主要な課題に直面している：高いメモリ消費とアノテーションの限界的な可用性である。本研究では、これらの課題を解決し、ERの効果的な活用を図ることを目的としている。まず、証拠情報を教師信号として用いることで、メモリ効率の高いアプローチ「DREEAM」を提案する。これにより、DocREシステムの注目モジュールが証拠に高い重みを割り当てるよう導くことができる。次に、大量のデータ上で自動的に生成された証拠を用いて、アノテーションのない状態でERを自己学習する戦略を提案する。実験の結果、本手法はDocREおよびERの両面でDocREDベンチマークにおいて最先端の性能を達成した。知られている限り、DREEAMはERの自己学習を採用した初めてのアプローチである。