本研究では、エンティティ関係抽出の統合的タスクに取り組む。従来のアプローチとは異なり、最小リスクトレーニング（MRT）に基づく新たな軽量な統合学習枠組みを提案する。具体的には、エンティティモデルと関係モデル間の相互作用を柔軟かつ効果的に探索できる、グローバルな損失関数を最適化するアルゴリズムを設計した。また、MRTを実行可能な強力かつシンプルなニューラルネットワークを実装した。ACE05およびNYTという標準データセットにおける実験結果から、本モデルが最先端の統合抽出性能を達成できることを示した。