従来の二項関係事実を超えて、n-項関係知識グラフ（NKGs）は、2つ以上のエンティティを含むn-項関係事実から構成されており、現実世界の事実に近い広範な応用が可能です。しかし、NKGsの構築は依然として粗粒度のレベルにとどまっており、単一のスキーマで行われることが多く、エンティティの順序や可変アリティが無視されています。これらの制約に対処するため、私たちはText2NKGという新しい細粒度n-項関係抽出フレームワークを提案します。異なるアリティでの細粒度n-項関係抽出を達成するために、異種順序マージングと出力マージングを用いたスパンタプル分類手法を導入しています。さらに、Text2NKGはハイパーリレーショナルスキーマ、イベントベーススキーマ、ロールベーススキーマ、およびハイパーグラフベーススキーマという4つの典型的なNKGスキーマをサポートしており、高い柔軟性と実用性を持っています。実験結果は、Text2NKGが細粒度n-項関係抽出ベンチマークにおいてF1スコアで最先端の性能を達成していることを示しています。私たちのコードとデータセットは公開されています。