إن إكمال الرسم المعرفي يُعد مهمة مهمة تهدف إلى التنبؤ بالروابط العلاقة المفقودة بين الكيانات. تُنفَّذ هذه المهمة من خلال أساليب تمثيل الرسم المعرفي، التي تمثل الكيانات والعلاقات كمتجهات تمثيلية (Embedding Vectors)، وتنمذج تفاعلاتها لحساب درجة التوافق لكل مثلثة (triple). في الدراسات السابقة، تم عادةً اعتبار كل تمثيل كوحدة كاملة، وتم نمذجة التفاعلات بين هذه الوحدات الكاملة، مما قد يؤدي إلى نموذج مكلف للغاية أو يتطلب آليات تفاعل مصممة خصيصًا. في هذا العمل، نقترح نموذج التفاعل متعدد التقسيمات في التمثيل (MEI) باستخدام الصيغة المعيارية المُقسَّمة (Block Term Format) لمعالجة هذه المشكلة بشكل منهجي. يُقسِّم نموذج MEI كل تمثيل إلى متجه متعدد التقسيمات، مما يسمح بتحديد التفاعلات بكفاءة. يتم نمذجة كل تفاعل محلي باستخدام الصيغة التنسورية تاكر (Tucker tensor format)، بينما يتم نمذجة التفاعل الكامل باستخدام الصيغة التنسورية المُقسَّمة (Block term tensor format)، مما يمكّن MEI من التحكم في التوازن بين القابلية التعبيرية وتكلفة الحساب، والتعلم التلقائي لآليات التفاعل من البيانات، وتحقيق أداءً متميزًا على مستوى الحالة (state-of-the-art) في مهام التنبؤ بالروابط. بالإضافة إلى ذلك، نقوم بدراسة نظرية لمشكلة كفاءة المعلمات، ونستنتج معيارًا بسيطًا تم التحقق منه تجريبيًا لتحديد التوازن الأمثل للمعلمات. كما نطبق إطار MEI لتوفير تفسير جديد عام لعدة آليات تفاعل مصممة خصيصًا في النماذج السابقة. تم إصدار الشفرة المصدرية على الرابط: https://github.com/tranhungnghiep/MEI-KGE.