يهدف إكمال قاعدة المعرفة (KBC) إلى استنتاج الحقائق المفقودة تلقائيًا من خلال استغلال المعلومات الموجودة بالفعل في قاعدة المعرفة (KB). وتمثل إدخال المعرفة في فضاءات مخفية واتخاذ التنبؤات من خلال التمثيلات المكتسبة طريقة واعدة لحل هذه المشكلة. ومع ذلك، تتأثر النماذج الحالية للتمثيلات بواحدة على الأقل من القيود التالية: (1) قصور نظري في التعبير، (2) عدم دعم أنماط الاستنتاج البارزة (مثل الهياكل الهرمية)، (3) عدم دعم إكمال قاعدة المعرفة في العلاقات ذات الرتبة العالية (higher-arity)، و(4) عدم دعم دمج القواعد المنطقية. وفي هذا العمل، نقترح نموذجًا للتمثيل المكاني-التحويلي يُسمى BoxE، الذي يعالج جميع هذه القيود في آن واحد. يُمثل BoxE الكيانات كنقاط، والعلاقات كمجموعة من المستطيلات الفائقة (أو الصناديق)، التي تُوصِف خصائص منطقية أساسية من الناحية المكانية. وتؤدي هذه التبسيط الظاهري إلى نموذج كامل التعبير، ويتيح ترميزًا طبيعيًا لعدة خصائص منطقية مرغوبة. ويستطيع BoxE ليس فقط اكتشاف القواعد من فئات غنية من لغات القواعد، بل أيضًا دمجها، بما يتجاوز النماذج الفردية للاستنتاج. وبتصميمه، ينطبق BoxE بشكل طبيعي على قواعد المعرفة ذات الرتبة العالية. ونقوم بتحليل تجريبي مفصل، ونُظهر أن BoxE يحقق أداءً متفوقًا على مستوى الحالة الحالية، سواء على مجموعات المعرفة القياسية أو على قواعد معرفة أكثر عمومية، كما نُثبت تجريبيًا القوة الناتجة عن دمج القواعد المنطقية.