تنبؤ الروابط أمر حاسم لتطبيق الرسوم البيانية للمعرفة غير الكاملة (KG) في المهام اللاحقة. كعائلة من الأساليب الفعالة للتنبؤ بالروابط، تسعى طرق التضمين إلى تعلم تمثيلات ذات رتبة منخفضة لكل من الكيانات والعلاقات بحيث يكون الشكل الثنائي المحدد فيها دالة تقييم جيدة السلوك. على الرغم من أدائهم الناجح، فإن الأشكال الثنائية الحالية تتجاهل نمذجة تركيبات العلاقات، مما يؤدي إلى نقص في قابلية التفسير عند الاستدلال على الرسم البياني للمعرفة. لسد هذه الثغرة، نقترح نموذجًا جديدًا يُدعى DihEdral، وهو مسمى نسبةً لمجموعة التناظر ثنائية السطوح (Dihedral Symmetry Group). يتعلم هذا النموذج الجديد تضمينات الرسم البياني للمعرفة التي يمكنها التقاط تركيبات العلاقات بطبيعتها. بالإضافة إلى ذلك، تنمذج طريقتنا تضمينات العلاقات باستخدام قيم متقطعة، مما يقلل بشكل كبير من فضاء الحلول. أظهرت تجاربنا أن DihEdral قادر على التقاط جميع الخصائص المرغوبة مثل الانحراف-التماثل ((skew-) symmetry)، العكس (inversion) والتركيب (غير)-أبيلي ((non-) Abelian composition)، ويتفوق على الأساليب الحالية القائمة على الأشكال الثنائية ويعادل أو يتفوق على نماذج التعلم العميق مثل ConvE.