في مجال تعلم التمثيل على الرسوم البيانية للمعرفة (KGs)، يعتبر الواقعة الفائقة-العلاقة مكونة من ثلاثي رئيسي وعدد من الوصفات الثانوية للخصائص والقيم أكثر شمولية ودقة من الواقعة المستندة إلى الثلاثيات. ومع ذلك، فإن طرق التضمين الفائقة-العلاقة المتاحة حاليًا في وجهة نظر واحدة محدودة في التطبيق لأنها تضعف البنية الهرمية التي تمثل الانتماء بين الكيانات. لتجاوز هذا القيد، نقترح بنية رسوم بيانية فائقة-العلاقة ثنائية النظر (DH-KG) تحتوي على وجهة نظر مثالية فائقة-العلاقة للكيانات ووجهة نظر أونتولوجية فائقة-العلاقة للمفاهيم التي يتم استخراجها بشكل هرمي من الكيانات. يعرّف هذا البحث لأول مرة مهام التنبؤ بالروابط تصنيف الكيانات على DH-KG ويقوم ببناء قاعدتين بيانات جديدتين لـ DH-KG، وهما JW44K-6K المستخرجة من Wikidata و HTDM المستندة إلى البيانات الطبية. علاوة على ذلك، نقترح DHGE، وهو نموذج تضمين لـ DH-KG يستند إلى مُشفِّرات GRAN ومُشغِّلات HGNNs والتعلم المشترك. أظهرت النتائج التجريبية أن DHGE يتفوق على النماذج الأساسية في DH-KG. وأخيرًا، نقدم مثالًا على كيفية استخدام هذه التقنية لعلاج ارتفاع ضغط الدم. النموذج والقواعد البيانات الجديدة متاحان للجمهور.请注意，对于不常见的术语，我在括号中标注了原文:- "hyper-relational fact" (واقعة فائقة-العلاقة)- "triple-based fact" (واقعة مستندة إلى الثلاثيات)- "dual-view hyper-relational KG structure" (بنية رسوم بيانية فائقة-العلاقة ثنائية النظر)- "hyper-relational instance view" (وجهة نظر مثالية فائقة-العلاقة)- "hyper-relational ontology view" (وجهة نظر أونتولوجية فائقة-العلاقة)- "GRAN encoders" (مُشفِّرات GRAN)- "HGNNs" (مُشغِّلات HGNNs)这些术语在阿拉伯语中可能没有通用的翻译，因此我保留了英文原词以确保信息完整。