الرسم البياني للمعرفة هو تنسيق شائع لتمثيل المعرفة، له العديد من التطبيقات في محركات البحث الدلالية وأنظمة الإجابة على الأسئلة وأنظمة التوصية. عادةً ما تكون الرسوم البيانية للمعرفة في العالم الحقيقي غير مكتملة، ولذلك تم اقتراح طرق تضمين الرسم البياني للمعرفة مثل التحليل الكنوني/التحليل العامل المتوازي (CP)، وDistMult، وComplEx لمعالجة هذه المشكلة. تقوم هذه الطرق بتمثيل الكيانات والعلاقات كمتجهات مضمنة في الفضاء الدلالي وتتنبأ بالروابط بينها. تحتوي المتجهات المضمنة نفسها على معلومات دلالية غنية ويمكن استخدامها في تطبيقات أخرى مثل تحليل البيانات. ومع ذلك، فإن الآليات في هذه النماذج والمتجهات المضمنة نفسها تختلف بشكل كبير، مما يجعل فهمها ومقارنتها صعبة. نظرًا لهذا النقص في الفهم، نواجه خطر استخدامها بشكل غير فعال أو غير صحيح، خاصة بالنسبة للنماذج المعقدة مثل CP التي تتضمن متجهين مضمينين قائمين على الأدوار، أو النموذج الأكثر تقدمًا ComplEx الذي يتضمن متجهات مضمنة ذات قيم معقدة. في هذا البحث، نقترح آلية تفاعل متعدد التضمين كنهج جديد لتوحيد وتعميم هذه النماذج. نشتقها نظريًا عبر هذه الآلية ونقدم تحليلات ومقارنات تجريبية بينها. كما نقترح نموذجًا جديدًا متعدد التضمين يعتمد على الجبر الكواتيرنيون ويظهر أنه يحقق نتائج واعدة باستخدام مقاييس شائعة. يمكن الحصول على الشفرة المصدرية من GitHub عبر الرابط https://github.com/tranhungnghiep/AnalyzeKGE.