في تعلم العلاقات الإحصائي، تعتبر مشكلة التنبؤ بالروابط من العناصر الأساسية لفهم بنية القواعد المعرفية الكبيرة بشكل آلي. كما في الدراسات السابقة، نقترح حل هذه المشكلة من خلال التحليل العامل الضمني (latent factorization). ومع ذلك، فإننا هنا نستخدم تمثيلات مركبة القيم (complex valued embeddings). يمكن لتكوين التمثيلات المركبة التعامل مع مجموعة واسعة من العلاقات الثنائية، بما في ذلك العلاقات المتماثلة والغير متماثلة. مقارنةً بـ النماذج الرائدة مثل شبكة الأعصاب المنسوبة (Neural Tensor Network) والتمثيلات الهولوجرامية (Holographic Embeddings)، يعتبر نهجنا المستند إلى التمثيلات المركبة أبسط بكثير، حيث يستخدم فقط جداء هيرميتيان (Hermitian dot product)، وهو المعادل المركب للجداء القياسي بين المتجهات الحقيقية. يُعد نهجنا قابلًا للتدرج على مجموعات البيانات الكبيرة لأنه يظل خطيًا في كلٍ من المساحة والزمن، بينما يتفوق باستمرار على النهج البديلة في مقاييس التنبؤ بالروابط القياسية.