知識グラフ埋め込み（KGE）モデルは、知識グラフ内のエンティティおよび関係の表現を学習する。距離ベースの手法は、2つのエンティティ表現間の距離を用いてリンク予測を行うことにより、有望な性能を示している。しかし、これらの手法の多くは頭部エンティティと尾部エンティティを別々に表現するため、モデルの表現能力に制限が生じる。本研究では、頭部エンティティと尾部エンティティの相互作用をより効果的に行える2つの新たな距離ベースの手法、InterHTおよびInterHT+を提案する。これにより、より優れたエンティティ表現が得られる。実験の結果、提案手法はogbl-wikikg2データセットにおいて最良の性能を達成した。