التحسينات الأخيرة في توليد النص من الرسم البياني المعرفي (KG-to-text) تعود إلى مهام التدريب الأولي الإضافية المصممة لتعزيز أداء مهمة التحسين الدقيق. تتطلب هذه المهام موارد حاسوبية واسعة بينما تقترح تحسينات طفيفة فقط. في هذا البحث، نثبت أن بإمكاننا تجاوز النماذج المتقدمة الحالية وإغلاق الفجوة التي فرضتها مهام التدريب الأولي الإضافية من خلال دمج عناصر واعية للرسم البياني في النماذج اللغوية المدربة مسبقًا القائمة. نقوم بذلك من خلال اقتراح هيكل قناع لتقاطع المعلومات المحلية ومُشفِّر نوع جديد يضيف انحيازًا إلى أوزان الانتباه الرسومي بناءً على نوع الارتباط. أظهرت التجارب على مجموعة بيانات معيارية لتوليد النص من الرسم البياني المعرفي أن نماذجنا تنافسية بينما تتضمن عددًا أقل من المعلمات ولا تتطلب أي مهام تدريب أولي إضافية. بوضع المشكلة كإطار عمل، يمكننا استبدال المكونات المقترحة المختلفة والبدء في تفسير نماذج توليد النص من الرسم البياني المعرفي بناءً على المعلومات الطبوغرافية والنوعية الموجودة في الرسم البياني.