الرسوم المعرفية تحتوي على معلومات عن العالم وتقدم تمثيلاً منظماً لهذه المعرفة. الرسوم المعرفية الحالية تحتوي فقط على جزء صغير مما هو صحيح في العالم. تهدف نماذج التنبؤ بالروابط إلى التنبؤ بروابط جديدة لرسم معرفي معين بناءً على الروابط الموجودة بين الكيانات. أثبتت نماذج تحليل العناصر أن لها إمكانات واعدة في حل مشاكل التنبؤ بالروابط. اقترحت التحليل البوليادي القياسي (CP) لأول مرة في عام 1927، وهو من أوائل نماذج تحليل العناصر. بشكل عام، يؤدي الأداء السيئ للتحليل البوليادي القياسي في التنبؤ بالروابط لأنه يتعلم متجهين مستقلين للتمثيل لكل كيان، بينما يجب أن يكونا متصلين. نقدم تعديلاً بسيطاً للتحليل البوليادي القياسي (نسميه SimplE) يسمح بتعلم المتجهين للتمثيل لكل كيان بشكل متوقف. تعقد التعديل البسيط لـ SimplE يزيد بشكل خطي مع حجم التمثيلات. يمكن تفسير التمثيلات التي يتم تعلمها عبر SimplE، ويمكن دمج أنواع معينة من المعرفة الخلفية في هذه التمثيلات من خلال ربط الأوزان. نثبت أن SimplE له قدرة تعبير كاملة ونستنتج حدوداً لحجم تمثيلاته لتحقيق التعبير الكامل. نظهر عملياً أن SimplE، رغم بساطته، يتفوق على العديد من التقنيات المتقدمة لتحليل العناصر. يمكن الحصول على شفرة SimplE من GitHub عبر الرابط: https://github.com/Mehran-k/SimplE.