関係抽出モデルは、2つのエンティティ間に関係が存在するかどうかを単一の判断問題として扱うのが一般的である。しかし、科学文献において頻繁に見られるように、2つのエンティティが直接的に接続されていないような長大または複雑な文構造では、こうしたモデルは困難に直面することがある。本研究では、二項関係を、それぞれが関係における各引数の役割を別々に捉えることのできる2つの単項関係に分解する新たなアプローチを提案する。本手法では、単項関係抽出器および二項関係抽出器から得られる情報を統合するスタック型学習モデルを構築し、2つのエンティティ間に関係が成立するかどうかを判定する。実験の結果、本手法は惑星科学文献から構成された新しいコーパスおよび生物学分野のベンチマークデータセットにおいて、複数の競合する関係抽出モデルを上回る性能を示した。