تم الاعتراف ببيانات الويب المفتوح المرتبطة (Linked Open Data) كمصدر قيم للمعلومات الخلفية في العديد من مهام استخراج البيانات واسترجاع المعلومات. ومع ذلك، فإن معظم الأدوات الحالية تتطلب ميزات على شكل جمل منطقية، أي متجه من الميزات النوعية أو العددية المرتبطة بمثيل معين، في حين أن مصادر بيانات الويب المفتوح المرتبطة طبيعتها هي رسوم بيانية (Graphs). في هذا البحث، نقدّم طريقة تُسمى RDF2Vec، التي تعتمد على منهجيات نمذجة اللغة لاستخراج الميزات تلقائيًا من تسلسلات الكلمات، وتطوّرها لتُطبَّق على الرسوم البيانية المبنية على RDF. نُولِّد التسلسلات باستخدام معلومات محلية مستمدة من الهياكل الفرعية للرسم البياني، وذلك عبر استخدام نوى الرسوم البيانية الفرعية المبنية على خوارزمية Weisfeiler-Lehman وطرق المشي في الرسوم البيانية، ونُدرّب تمثيلات عددية خفية للكيانات داخل الرسوم البيانية المبنية على RDF. قُمنا بتقييم منهجنا على ثلاث مهام مختلفة: (أ) المهام القياسية في التعلم الآلي، (ب) نمذجة الكيانات والوثائق، (ج) أنظمة التوصية القائمة على المحتوى. أظهر التقييم أن تمثيلات الكيانات المقترحة تتفوق على التقنيات الحالية، وأن تمثيلات المتجهات المسبقة الحساب للرسوم البيانية المعرفية العامة مثل DBpedia وWikidata يمكن إعادة استخدامها بسهولة في مهام مختلفة.