في هذا البحث، نهدف إلى تقديم إطار فعّال للتنبؤ بالروابط باستخدام التعلم الزوجي العصبي (PLNLP). يعالج الإطار مشكلة التنبؤ بالروابط كمشكلة تعلم ترتيب زوجي ويتكون من أربعة مكونات رئيسية، وهي: مُشغِّل الجوار (neighborhood encoder)، مُتنبِّئ الرابطة (link predictor)، عينة سلبية (negative sampler) ودالة الهدف (objective function). يتميز الإطار بالمرونة بحيث يمكن استخدام أي عمارة عصبية جرافيكية عامة أو عمارة عصبية خاصة بتنبؤ الروابط كمُشغِّل الجوار. بالنسبة لمُتنبِّئ الرابطة، قمنا بتصميم دوال تقييم مختلفة يمكن اختيارها بناءً على أنواع مختلفة من الجرافات. في عينة السلبية، نقدم عدة استراتيجيات للعينة، وهي خاصة بالمشكلة. فيما يتعلق بدالة الهدف، نقترح استخدام خسارة ترتيب فعّالة تقريباً تعظم مقاييس الترتيب القياسية مثل AUC. قمنا بتقييم الإطار المقترح PLNLP على 4 مجموعات بيانات للتنبؤ بخصائص الروابط من مجموعة المعايير الرسمية للجرافات المفتوحة (Open Graph Benchmark)، والتي تشمل ogbl-ddi، ogbl-collab، ogbl-ppa وogbl-citation2. حقق PLNLP أفضل أداء على ogbl-ddi وogbl-collab وأفضل الأداء الثاني على ogbl-citation2 باستخدام العمارة العصبية الأساسية فقط. يظهر هذا الأداء فعالية الإطار PLNLP.