الدوال التقييمية (SFs)، التي تقيس مدى مصداقية الثلاثيات في الرسم البياني للمعرفة (KG)، أصبحت جوهر تمثيل الرسم البياني للمعرفة. في السنوات الأخيرة، صمم البشر العديد من الدوال التقييمية التي تستهدف التقاط أنواع مختلفة من العلاقات في رسومات المعرفة البيانية. ومع ذلك، نظرًا لظهور أنماط معقدة للعلاقات تكون صعبة الاستنتاج قبل التدريب، لم يتمكن أي منها من الأداء بشكل أفضل بشكل مستمر من الآخرين على مجموعات البيانات المرجعية الحالية. في هذا البحث، مستوحىً من النجاح الحديث للتعلم الآلي التلقائي (AutoML)، نقترح تصميم دوال تقييمية تلقائيًا (AutoSF) لرسومات المعرفة البيانية المختلفة باستخدام تقنيات AutoML. ومع ذلك، فإن استكشاف المعلومات الخاصة بالمنطقة هنا ليس بالأمر البسيط لتحقيق كفاءة وفعالية AutoSF. أولاً، نحدد تمثيلًا موحدًا فوق الدوال التقييمية الشائعة الاستخدام، مما يساعد في إنشاء فضاء بحث لـ AutoSF. ثم، نقترح خوارزمية طمعية للبحث بكفاءة في هذا الفضاء. يتم تسريع الخوارزمية أكثر بواسطة مرشح ومتنبئ يمكنهما تجنب إعادة تدريب الدوال التقييمية ذات القدرة التعبيرية نفسها ومساعدتهما على إزالة المرشحين السيئين أثناء البحث قبل تدريب النموذج. أخيرًا، نقوم بإجراء تجارب واسعة النطاق على مجموعات البيانات المرجعية. تظهر نتائج التنبؤ بالروابط تصنيف الثلاثيات أن الدوال التقييمية التي تم العثور عليها بواسطة AutoSF تعتمد على الرسم البياني للمعرفة، جديدة في الأدب العلمي، وتتفوق على أفضل الدوال التقييمية المصممة بواسطة البشر حاليًا.