تعلم تمثيلات ذات أبعاد منخفضة لرسوم المعرفة هو نهج قوي يستخدم للتنبؤ بالحواف غير المشاهدة أو المفقودة بين الكيانات. ومع ذلك، فإن التحدي المفتوح في هذا المجال يتمثل في تطوير تقنيات قادرة على الانتقال إلى ما هو أبعد من التنبؤ البسيط بالحواف و dealing مع الاستفسارات المنطقية الأكثر تعقيدًا، والتي قد تتضمن حوافًا متعددة غير مشاهدة، وكائنات، ومتغيرات. على سبيل المثال، في حالة وجود رسم معرفي بيولوجي ناقص، قد نرغب في التنبؤ بـ "ما هي الأدوية التي من المحتمل أن تستهدف البروتينات المرتبطة بالأمراض X وY؟" -- وهو استفسار يتطلب الاستدلال عن جميع البروتينات الممكنة التي {\em قد} تتفاعل مع الأمراض X وY. هنا نقدم إطارًا لإجراء تنبؤات بكفاءة حول الاستفسارات المنطقية المتصلة -- وهي مجموعة مرنة ولكنها قابلة للحل من المنطق الأول -- على رسوم معرفية ناقصة. في نهجنا، نقوم بتمثيل عقد الرسم في فضاء ذي أبعاد منخفضة ونمثل العمليات المنطقية كعمليات هندسية متعلمة (مثل الترجمة والدوران) في هذا الفضاء التمثيلي. عن طريق إجراء العمليات المنطقية داخل فضاء تمثيلي ذي أبعاد منخفضة، يحقق نهجنا تعقيد زمني خطي بالنسبة لعدد متغيرات الاستفسار، مقارنةً بالتعقيد الأسي الذي يتطلبه النهج الساذج القائم على العد. نوضح فائدة هذا الإطار من خلال دراستين تطبيقيتين على بيانات حقيقية تحتوي على ملايين العلاقات: التنبؤ بالعلاقات المنطقية في شبكة تفاعلات الدواء-الجين-الأمراض وفي تمثيل رسومي للتفاعلات الاجتماعية المستخرجة من منتدى الويب الشهير.请注意，我在翻译中保留了原文的{\em might}部分，以斜体形式呈现。如果需要进一步调整格式，请告知。