تنبؤ الروابط هو مهمة أساسية جدًا على الرسوم البيانية. مستوحى من الطرق التقليدية القائمة على المسارات، نقترح في هذا البحث إطارًا عامًا ومروّنًا للتعلم التمثيلي يستند إلى المسارات لتنبؤ الروابط. بصفة خاصة، نحدد تمثيل زوج من العقد كمجموع عام لجميع تمثيلات المسارات، مع اعتبار كل تمثيل مسار كمنتج عام لتمثيلات الأضلاع في المسار. مستوحى من خوارزمية بلمان-فورد لحل مشكلة أقصر مسار، نوضح أن الصيغة المقترحة للمسار يمكن حلها بكفاءة بواسطة خوارزمية بلمان-فورد المعممة. لتحسين قدرة صيغة المسار بشكل أكبر، نقترح شبكة بلمان-فورد العصبية (NBFNet)، وهي إطار عام للشبكات العصبية الرسمية التي تحل صيغة المسار باستخدام المشغلات المُتعلَّمة في خوارزمية بلمان-فورد المعممة. تقوم NBFNet بتعميم خوارزمية بلمان-فورد المعممة باستخدام ثلاثة مكونات عصبية، وهي وظائف INDICATOR و MESSAGE و AGGREGATE، والتي تتوافق مع الحالة الحدودية والمشغل الضرب والمشغل الجمع على التوالي. إن NBFNet هي إطار عام جدًا يغطي العديد من الطرق التقليدية القائمة على المسارات ويمكن تطبيقه على الرسوم البيانية المتجانسة والرسوم البيانية متعددة العلاقات (مثل رسوم المعرفة) في كل من الإعدادات الاستنتاجية والاستقرائية. تظهر التجارب على الرسوم البيانية المتجانسة ورسوم المعرفة أن الشبكة العصبية المقترحة NBFNet تتفوق على الطرق الموجودة بمarge كبير في كل من الإعدادات الاستنتاجية والاستقرائية، مما يحقق نتائج جديدة رائدة في المجال (state-of-the-art).