تُستخدم الرسوم المعرفية (KGs) على نطاق واسع لتسهيل مهام استخراج العلاقات (RE). في حين أن معظم الأساليب السابقة لاستخراج العلاقات ركزت على استغلال الرسوم المعرفية المؤكدة، فإن الرسوم المعرفية غير المؤكدة، التي تُعيّن درجة ثقة لكل مثيل علاقة، يمكنها توفير توزيعات احتمالية سابقة للحقائق العلاقة كمعرفة خارجية قيّمة لنموذج استخراج العلاقات. تُقترح في هذه الورقة استغلال المعرفة غير المؤكدة لتحسين استخراج العلاقات. وبشكل محدد، نُدخل ProBase، وهي رسم معرفي غير مؤكد يُظهر إلى أي مدى ينتمي الكيان المستهدف إلى مفهوم معين، إلى بنية نموذجنا لاستخراج العلاقات. ثم نصمم إطارًا جديدًا للاستنتاج متعدد المقاييس لدمج النظامي للسياق المحلي والمعرفة الشاملة عبر ثلاث رؤى: رؤية المُذكَّر، ورؤية الكيان، ورؤية المفهوم. وتُظهر النتائج التجريبية أن نموذجنا يحقق أداءً تنافسيًا في استخراج العلاقات على كل من مستوى الجملة ومستوى الوثيقة، مما يؤكد فعالية إدخال المعرفة غير المؤكدة، والإطار المُصمَّم للاستنتاج متعدد المقاييس.