Dans le domaine de l’intégration des graphes de connaissances, la relation théorique entre les fonctions de perte softmax cross-entropy et sampling négatif n’a pas encore été explorée. Cela rend difficile une comparaison équitable des résultats obtenus avec ces deux fonctions de perte différentes. Nous avons tenté de résoudre ce problème en utilisant la divergence de Bregman pour offrir une interprétation unifiée des fonctions de perte softmax cross-entropy et sampling négatif. Sous cette interprétation, il devient possible d’établir des résultats théoriques permettant une comparaison justifiée. Les résultats expérimentaux sur les jeux de données FB15k-237 et WN18RR montrent que ces résultats théoriques sont valables dans des contextes pratiques.