名前付きエンティティ抽出と関係抽出は、関係トリプル抽出の核心的なサブタスクである。近年の研究では、パラメータ共有や共同デコードを用いて、これらの2つのタスク間の相互作用を実現している。しかし、2つのタスクが適切に相互作用する一方で、タスク固有の特徴の明確性を維持することは大きな課題である。本研究では、ゲーティング機構を活用することで、双方向的なタスク相互作用をモデル化しつつ、十分な特徴の特異性を保持するマルチゲートエンコーダーを提案する。具体的には、タスク固有の特徴を生成するための「タスクゲート」と、対になるタスクを指導するための「相互作用ゲート」の2種類の独立したゲートを設計した。実験の結果、本手法はACE04、ACE05、SciERCデータセットにおいて、それぞれSOTAの関係F1スコアを63.8%（+1.3%）、68.2%（+1.4%）、39.4%（+1.0%）まで向上させ、従来のSOTAモデルと比べてより高速な推論性能を実現した。