ندرس مشكلة تعلم تمثيلات الكيانات والعلاقات في الرسوم البيانية للمعرفة بهدف التنبؤ بالروابط المفقودة. يعتمد نجاح مثل هذه المهمة بشكل كبير على قدرة النموذج على محاكاة واستنتاج أنماط العلاقات (أو بينها). في هذا البحث، نقدم منهجية جديدة لتمثيل الرسم البياني للمعرفة تُسمى RotatE، وهي قادرة على محاكاة واستنتاج أنماط علاقات متنوعة تشمل: التناظر/عدم التناظر، العكس، والتراكيب. تحديداً، يعرّف نموذج RotatE كل علاقة كدوران من الكيان المصدر إلى الكيان الهدف في الفضاء المتجهي المعقد. بالإضافة إلى ذلك، نقترح تقنية عينات سلبية ذاتية معارضة جديدة لتدريب نموذج RotatE بكفاءة وفعالية. أظهرت النتائج التجريبية على عدة رسوم بيانية للمعرفة معيارية أن النموذج المقترح RotatE ليس فقط قابلًا للتوسيع، ولكنه أيضًا قادر على استنتاج ومحاكاة أنماط علاقات مختلفة ويتفوق بشكل كبير على النماذج الحالية الأكثر تقدمًا في التنبؤ بالروابط.