يمكن أن تختلف الرسوم البيانية للمعرفة (KGs) بشكل كبير من مجال إلى آخر. ولذلك، فإن النهج المراقب للتحويل من الرسم البياني إلى النص والتحويل العكسي من النص إلى الرسم البياني لاستخراج المعرفة (التحليل الدلالي) سيواجه دائمًا نقصًا في البيانات المتوازية الخاصة بالمجال؛ وفي الوقت نفسه، غالبًا ما يكون من المستحيل تكييف نموذج تم تدريبه على مجال مختلف بسبب عدم وجود أي تداخل أو القليل منه في الكيانات والعلاقات. هذا الوضع يتطلب نهجًا (1) لا يحتاج إلى كميات كبيرة من البيانات المشتقة يدويًا وبالتالي (2) لا يحتاج إلى الاعتماد على تقنيات التكيف المجالي للعمل بكفاءة في مجالات مختلفة. لهذا الغرض، نقدم أول نهج للتحول غير المراقب من الرسوم البيانية للمعرفة إلى النص ونوضح في الوقت نفسه كيف يمكن استخدامه للتحليل الدلالي غير المراقب. قمنا بتقييم نهجنا على WebNLG v2.1 وعلى معيار جديد يستفيد من الرسوم البيانية للمشاهد من Visual Genome. أثبت نظامنا تفوقه على النماذج الأساسية القوية في كلتا مهمتي التحويل بين النص والرسم البياني دون أي تكييف يدوي من مجموعة بيانات إلى أخرى. وفي تجارب إضافية، درسنا تأثير استخدام أهداف مختلفة غير مراقبة.