Este artículo propone la Puntuación Modulada por Flujo (FMS), un novedoso marco para la finalización de grafos de conocimiento. Observamos que los métodos existentes tienen dificultades para capturar tanto el contexto semántico enriquecido como la naturaleza dinámica de las relaciones al basarse en funciones de puntuación estáticas. En su lugar, conceptualizamos las relaciones como procesos evolutivos dinámicos regidos por un entorno semántico estático. FMS aprende incrustaciones de entidades sensibles al contexto mediante un módulo de aprendizaje de contexto semántico y modela flujos dinámicos entre entidades mediante un módulo de coincidencia de flujo condicional. Estos flujos aprendidos ajustan dinámicamente las puntuaciones estáticas subyacentes para pares de entidades. Al integrar representaciones estáticas enriquecidas con flujos dinámicos condicionales, logramos una comprensión más completa de la semántica de las relaciones. Los resultados experimentales demuestran que FMS alcanza un rendimiento de vanguardia tanto en la predicción de relaciones como de entidades. Específicamente, alcanza puntuaciones MRR y Hits@1 muy altas en el conjunto de datos FB15k-237 y también destaca en el conjunto de datos WN18RR. Esto demuestra que FMS es un modelo eficiente en el uso de parámetros que logra un alto rendimiento con un número muy reducido de parámetros.
