مشكلة شائعة في مهمة كشف التفاعل بين الإنسان والجسم (HOI) هي أن العديد من فئات HOI تمتلك عددًا صغيرًا جدًا من الأمثلة المُعلّمة، مما يؤدي إلى توزيعات تدريب ذات توزيع طولي (Long-tailed). ونقص العلامات الإيجابية يمكن أن يُحدث دقة تصنيف منخفضة لهذه الفئات. ولحل هذه المشكلة، لاحظنا وجود ارتباطات طبيعية وعكسية بين التفاعلات بين الإنسان والجسم. في هذه الورقة، نُمَثّل هذه الارتباطات باستخدام مصفوفات التكرار المشترك للإجراءات، ونقدّم تقنيات لتعلم هذه المعرفة السابقة (Priors) واستغلالها لتحسين التدريب، خاصة في الفئات النادرة. وتم إثبات فعالية منهجنا تجريبيًا، حيث تفوق أداء منهجنا على أحدث الطرق في كلا من مجموعتي البيانات القياسيتين الرائدتين لاختبار كشف التفاعل بين الإنسان والجسم، وهما HICO-Det وV-COCO.