التنبؤ بالروابط في الرسوم المعرفية الزائفة (HKG) يُعد مبادرة ذات قيمة كبيرة. تتكوّن الرسوم المعرفية الزائفة من حقائق زائفة (H-Facts)، والتي تتكون من ثلاثية رئيسية وعدد من المحددات المكوّنة من زوج القيمة-الخاصية، وتُمكّن من تمثيل معلومات واقعية شاملة. يمكن تمثيل البنية الداخلية لـ HKG باستخدام تمثيل يعتمد على الهيبرجراف على المستوى العالمي، وتمثيل يعتمد على التسلسل الدلالي على المستوى المحلي. ومع ذلك، فإن الأبحاث الحالية نادراً ما تُنَمذج البنية الرسومية والتسلسلية لـ HKG بشكل متزامن، مما يحد من تمثيل HKG. وللتغلب على هذه القيود، نقترح نموذجًا جديدًا يُدعى النموذج الهرمي للانتباه في تمثيل HKG (HAHE)، يشمل انتباهًا على المستويين العالمي والمحلي. حيث يمكن للانتباه على المستوى العالمي نمذجة البنية الرسومية لـ HKG باستخدام طبقات الانتباه المزدوج للهيبرجراف، بينما يمكن للانتباه على المستوى المحلي تعلّم البنية التسلسلية داخل الحقائق الزائفة (H-Facts) من خلال طبقات الانتباه الذاتي المتنوعة. تُظهر نتائج التجارب أن HAHE يحقق أداءً متفوقًا على مستوى الحالة الحالية في مهام التنبؤ بالروابط على مجموعات بيانات قياسية لـ HKG. بالإضافة إلى ذلك، يُعد HAHE أول نموذج يعالج مشكلة التنبؤ بوضع متعدد في HKG، مما يُعزز من قابلية تطبيق مهمة التنبؤ بالروابط في HKG. يُتاح الكود الخاص بنا للجمهور بشكل مفتوح.