تمثيلات الرسم البياني للمعرفة (KG) تتعلم تمثيلات ذات أبعاد منخفضة للعوامل والعلاقات للتنبؤ بالحقائق المفقودة. غالبًا ما تُظهر الرسوم البيانية للمعرفة أنماطًا هرمية ومنطقية يجب الحفاظ عليها في فضاء التمثيل. بالنسبة للبيانات الهرمية، أظهرت طرق التمثيل الزائدية وعودًا واعدة لتمثيلات عالية الدقة وبسيطة. ومع ذلك، لا تأخذ الطرق الزائدية الحالية بعين الاعتبار الأنماط المنطقية الغنية الموجودة في الرسوم البيانية للمعرفة. في هذا العمل، نقدم فئة من نماذج تمثيل الرسوم البيانية للمعرفة الزائدية التي تُمكّن من التقاط الأنماط الهرمية والمنطقية في آنٍ واحد. تعتمد استراتيجيتنا على دمج الانعكاسات والدورانات الزائدية مع التحديد الانتباه لتمثيل الأنماط العلائقية المعقدة. تُظهر النتائج التجريبية على معايير الرسوم البيانية للمعرفة القياسية أن طريقة لدينا تتفوّق على الجهود السابقة القائمة على الفضاءات الإقليدية والزائدية بنسبة تصل إلى 6.1% في متوسط التردد العكسي (MRR) في أبعاد منخفضة. علاوةً على ذلك، لاحظنا أن التحولات الهندسية المختلفة تمثل أنواعًا مختلفة من العلاقات، بينما تُظهر التحولات القائمة على الانتباه قدرة عامة على التعامل مع علاقات متعددة. وفي الأبعاد العالية، تُحقّق طريقة لدينا أحدث النتائج القياسية في MRR بـ 49.6% على WN18RR و57.7% على YAGO3-10.