تُستخدم تقنيات التعلم العميق بشكل متزايد في مختلف مهام التعلم الآلي على الرسوم المعرفية. وعلى الرغم من أن الدراسات التجريبية أظهرت أن هذه التقنيات تحقق أداءً تنبؤيًا أفضل غالبًا من نظيراتها الكلاسيكية التي تستخرج الميزات من الرسم، إلا أنها تعاني من نقص في القابلية للتفسير. وتعتبر القابلية للتفسير جانبًا حيويًا في المجالات الحساسة مثل القطاع الصحي والقطاع المالي. في هذا البحث، نقدم تقنية تُنشئ شجرة قرارات تتكون من هيكل فرعي مخصص للتصنيف، بهدف تصنيف الكيانات المختلفة ضمن الرسم المعرفي. ونُظهر كيف أن التقنية المقترحة تنافس التقنيات الحديثة المتطورة في مجال التعلم العميق على أربع مجموعات بيانات معيارية، مع الحفاظ على قابلية تفسير كاملة.