تعلم تمثيلات جيدة على الرسوم البيانية متعددة العلاقات ضروري لإكمال قاعدة المعرفة (KBC). في هذا البحث، نقترح هدف تدريب ذاتي جديد لتعلم التمثيلات على الرسوم البيانية متعددة العلاقات، من خلال دمج التنبؤ بالعلاقة في الهدف الشائع 1vsAll ببساطة. يحتوي الهدف الجديد للتدريب ليس فقط على بنود للتنبؤ بالموضوع والكائن لمثلث معين، بل أيضًا بنداً للتنبؤ بنوع العلاقة. نحلل كيف يؤثر هذا الهدف الجديد على التعلم متعدد العلاقات في إكمال قاعدة المعرفة: تظهر التجارب على مجموعة متنوعة من البيانات والأنماط أن التنبؤ بالعلاقة يمكن أن يحسن تصنيف الكيانات بشكل كبير، وهو المهمة الأكثر استخدامًا لتقييم إكمال قاعدة المعرفة، مما يؤدي إلى زيادة بنسبة 6.1% في MRR و9.9% في Hits@1 على FB15k-237 وكذلك زيادة بنسبة 3.1% في MRR و3.4% في Hits@1 على Aristo-v4. بالإضافة إلى ذلك، نلاحظ أن الهدف المقترح يكون فعالاً بشكل خاص على مجموعات البيانات ذات العلاقات المتعددة للغاية، أي مجموعات البيانات التي تحتوي على عدد كبير من الحوامل (predicates)، ويولد تمثيلات أفضل عند استخدام أحجام مضمنة أكبر (embedding sizes).