文書内の項目間関係性抽出に関する研究において，グラフニューラルネットワークを用いた手法は効果的であるものの，文書の構造情報を十分に活用できていないという課題が存在する．本稿では，文書に含まれる枠情報に着目し，これを関係性抽出の学習に活用する新たな手法を提案する．このアプローチでは，枠情報から推定可能な関係性を事前に学習し，その学習結果を項目間関係性抽出モデルに統合する．実験の結果，この二段階の学習アプローチにより，従来手法では捉えきれなかった文書内の枠構造を効果的に活用し，項目間の関係性抽出の精度を向上させることを確認した．