قد حظيت نماذج تضمين الرسم البياني للمعرفة باهتمام كبير في أبحاث الذكاء الاصطناعي. وأظهرت الدراسات الحديثة أن إدراج المعرفة الخلفية، مثل القواعد المنطقية، يمكن أن يحسن أداء التضمينات في المهام النهائية للتعلم الآلي. ومع ذلك، فإن معظم النماذج الموجودة حتى الآن لا تسمح بإدراج القواعد. نحن نعالج تحدي إدراج القواعد ونقدم نموذج تضمين جديد قائم على الشبكات العصبية (LogicENN). وقد أثبتنا أن LogicENN قادر على تعلم كل الحقائق الأساسية للقواعد المشفرة في رسم بياني للمعرفة. وفي حدود علمنا، لم يتم إثبات هذا الأمر حتى الآن بالنسبة لعائلة النماذج القائمة على الشبكات العصبية. بالإضافة إلى ذلك، اشتقتنا صيغًا لإدراج مجموعة متنوعة من القواعد، بما في ذلك (العدم-) التناظرية، العكسية، غير الانعكاسية والانتقالية، الاستدلال، التركيب، التكافؤ والنفي. صياغتنا تسمح بتجنب التأصيل للعلاقات الاستدلالية والتكافؤية. وتبين التجارب التي أجريناها أن LogicENN يتفوق على أفضل النماذج الحالية في التنبؤ بالروابط.