ازدهار الرسوم البيانية للمعرفة (KGs) في الآونة الأخيرة، مصحوبًا بالمعلومات الناقصة أو الجزئية على شكل علاقات مفقودة (روابط) بين الكيانات، قد أدى إلى زيادة كبيرة في الأبحاث المتعلقة بإكمال قاعدة المعرفة (والمعروفة أيضًا بالتنبؤ بالعلاقة). تقترح العديد من الأعمال الحديثة أن نماذج الشبكات العصبية التلافيفية (CNN) تولد تمثيلات ميزات أكثر غنى وتعبيرًا، وبالتالي فإنها تؤدي بشكل جيد في التنبؤ بالعلاقة. ومع ذلك، نلاحظ أن هذه التمثيلات لرسوم المعرفة البيانية تعامل الثلاثيات بشكل مستقل، مما يؤدي إلى فشلها في تغطية المعلومات المعقدة والخفية التي تكون ضمنياً موجودة في الجوار المحلي المحيط بثلاثية. لتحقيق هذا الغرض، يقترح بحثنا طريقة جديدة للتمثيلات الميزات المستندة إلى الانتباه والتي تلتقط ميزات الكيان والعلاقة في جوار أي كيان معين. بالإضافة إلى ذلك، نقوم أيضًا بتضمين مجموعات العلاقات والعلاقات متعددة الخطوات في نموذجنا. يقدم دراستنا التجريبية رؤى حول فعالية نموذجنا المستند إلى الانتباه ونظهر تحسينات واضحة في الأداء مقارنة بأحدث الأساليب على جميع المجموعات البيانات.