人工知能技術に関する研究に加え、人々の言語、すなわち自然言語を理解し処理するための自然言語処理分野においても、積極的な研究が進められている。コンピュータが自律的に学習するためには、自然言語を理解する能力が極めて重要である。自然言語処理には多様なタスクが存在するが、本研究では、文の意味を理解する上で最も重要なとされる「固有表現抽出（Named Entity Recognition, NER）」と「関係抽出（Relation Extraction）」のタスクに焦点を当てる。本研究では、文に内在する主語、目的語、およびそれらの関係を抽出できる「DeNERT-KG」というモデルを提案する。このモデルは、BERT言語モデルとDeep Q-Networkを基盤とし、主語・目的語の抽出に向けたNERモデルを構築するとともに、関係抽出には知識グラフ（Knowledge Graph）を活用している。DeNERT-KGモデルを用いることで、文から主語、主語の種類、目的語、目的語の種類、および関係を抽出することが可能であり、実験を用いた検証を通じてその有効性を確認した。