في هذا البحث، نقترح تمثيلًا جديدًا للرسم البياني الفائق القائم على الأقسام لنمذجة ذكريات الكيانات المتعاكسة التي تنتشر في العديد من المجموعات البيانات العملية. نوضح أن نموذجنا الذي يُبنى على أساس هذا التمثيل الجديد قادر على التقاط الخصائص والتفاعلات التي لا يمكن لنماذج سابقة التقاطها مع الحفاظ على تعقيد زمني منخفض للاستدلال. كما نقدم تحليلًا نظريًا لتقييم رسمي لكيفية تفوق تمثيلنا على التمثيلات البديلة المذكورة في الأدبيات من حيث قوة التمثيل. عند ربطه بشبكات عصبية للتعلم المعرفي، يصل نموذجنا إلى أداء متفوق في ثلاثة مجموعات بيانات معيارية تم توضيحها بذكر ذكريات الكيانات المتعاكسة.注释：- "segmental hypergraph" 翻译为 "الرسم البياني الفائق القائم على الأقسام"- "overlapping entity mentions" 翻译为 "ذكريات الكيانات المتعاكسة"- "feature learning" 翻译为 "التعلم المعرفي"（在阿拉伯语中通常指特征学习）- 其他术语均使用通用译法，以保持专业性和准确性。