النماذج الماركوفية الخفية (HMMs) والنماذج النحوية الحرة السياق احتماليًا (PCFGs) هي نماذج مهيكلة مستخدمة على نطاق واسع، ويمكن تمثيل كل منهما كنماذج الرسم البياني العامل (FGGs)، وهي صيغة قوية قادرة على وصف مجموعة واسعة من النماذج. أظهرت الأبحاث الحديثة أن استخدام فضاءات الحالة الكبيرة يكون مفيدًا للنماذج الماركوفية الخفية والنماذج النحوية الحرة السياق احتماليًا. ومع ذلك، فإن الاستدلال مع فضاءات الحالة الكبيرة يتطلب حسابات معقدة، خاصة بالنسبة للنماذج النحوية الحرة السياق احتماليًا. لمواجهة هذا التحدي، نستفيد من تحليل رتبة المتجهات (المعروف أيضًا بـ CPD) لتقليل تعقيدات الحسابات المستدلالية لنوع فرعي من نماذج الرسم البياني العامل التي تشمل النماذج الماركوفية الخفية والنماذج النحوية الحرة السياق احتماليًا. نطبق تحليل رتبة المتجهات على عوامل FGG ثم نبني FGG جديدة معرفة في فضاء الرتبة. ينتج الاستدلال باستخدام FGG الجديدة نفس النتيجة ولكنه يتميز بتعقيد زمني أقل عندما تكون حجم الرتبة أصغر من حجم الحالة. أجرينا تجارب على نمذجة اللغة باستخدام HMM والتحليل غير المنظور للنماذج النحوية الحرة السياق احتماليًا، مما أظهر أداءً أفضل من الأعمال السابقة. شفرتنا متاحة بشكل عام في \url{https://github.com/VPeterV/RankSpace-Models}.