يعتمد التعلم الصفرية (Zero-shot learning) على تمثيلات فئوية معنوية مثل السمات المصممة يدويًا أو التضمينات المستخلصة تلقائيًا للتنبؤ بالفئات دون أي أمثلة مُعلَّمة. نقترح تعلُّم تمثيلات الفئة من خلال تضمين العقد من رسوم المعرفة الواقعية (common sense knowledge graphs) في فضاء متجهي. تُعدّ رسوم المعرفة الواقعية مصدرًا غير مستغل لمعارف عالية المستوى صريحة، وتتطلب جهدًا بشريًا قليلاً لتطبيقها على طيف واسع من المهام. لالتقاط المعرفة الموجودة في الرسم، نقدّم إطارًا عامًا يُسمى ZSL-KG، يعتمد على شبكة تبادلية ترانسفورمرية جديدة (TrGCN) لإنشاء تمثيلات الفئة. تُحسب بنية TrGCN المُقترحة توليفات غير خطية لجيران العقد. تُظهر نتائجنا أن ZSL-KG يتفوّق على الطرق القائمة على WordNet في خمسة من أصل ستة مجموعات بيانات معيارية للتعلم الصفرية في مجالات اللغة والرؤية الحاسوبية.