知识图谱嵌入（Knowledge Graph Embedding, KGE）模型旨在学习知识图谱中实体与关系的低维表示。基于距离的方法在链接预测任务中表现出色，该任务通过计算两个实体表示之间的距离来预测关系结果。然而，大多数现有方法对头实体和尾实体采用独立表示，限制了模型的表达能力。为此，我们提出两种新型基于距离的方法——InterHT与InterHT+，它们能够促进头实体与尾实体之间的交互，从而获得更优的实体表示。实验结果表明，所提出的模型在ogbl-wikikg2数据集上取得了最佳性能。