تعتمد الطرق التقليدية لتصنيف الكيانات على نماذج تصنيف مستقلة، مما يجعلها غير قادرة على التعرف على أنواع الكيانات المترابطة، وذات التوزيع الطويل الذيل، وذات التفصيل الدقيق. في هذه الورقة، نجادل بأن الترابطات الخارجة والداخلية الضمنية بين التصنيفات يمكن أن توفر معرفة حاسمة لمواجهة التحديات المذكورة أعلاه. ولتحقيق ذلك، نقترح شبكة الاستدلال على التصنيفات (Label Reasoning Network - LRN)، التي تقوم باستنتاج التصنيفات الدقيقة للكيانات بشكل تسلسلي من خلال اكتشاف واستغلال معرفة الترابطات بين التصنيفات المضمنة في البيانات. وبشكل محدد، تستخدم LRN شبكة توليد ذاتي (auto-regressive network) لإجراء الاستدلال الاستنتاجي، ورسمًا ثنائي الاتجاه للخصائص (bipartite attribute graph) لإجراء الاستدلال الاستقرائي بين التصنيفات، مما يسمح بتمثيل وتعلم واستنتاج الترابطات المعقدة بين التصنيفات بشكل تسلسلي ومتسلسل من المدخل إلى المخرج (sequence-to-set) وبشكل متكامل. وأظهرت التجارب أن LRN تحقق أداءً متفوقًا على المعايير القياسية في تصنيف الكيانات بدقة عالية، كما تمكّن من معالجة مشكلة التصنيفات ذات التوزيع الطويل الذيل بشكل فعّال.