تُركّز الخوارزميات المعاصرة المُتقدّمة لعامّة المجال على افتراض التماثل الدلالي عبر المجالات. في المقابل، يُهمل عادةً التماثل الداخلي للنمط الداخلي للمجال، ويُوضع جانباً. في هذه الورقة، نكشف أن الاستفادة من التماثل الداخلي للنمط داخل المجال أمر بالغ الأهمية في تحسين كفاءة عامّة المجال. ونُثبت أن من الحاسم أن يكون للشبكة معلومات دقيقة حول ما إذا كانت خصائص المجال ثابتة ومشتركة بين الأمثلة، بحيث تُحسّن الشبكة فهمها وتُعزّز قدرتها التمييزية الدلالية. وبشكل متناسب، نقترح آلية جديدة تُشبه "محكمة الاستئناف" (jury)، والتي تُعدّ فعّالة بشكل خاص في تعلّم الخصائص الدلالية المُشتركة المفيدة بين المجالات. يمكن تفسير نموذجنا الكامل، المُسمّى STEAM، على أنه نموذج رسم بياني احتمالي جديد، يتطلب تنفيذه بناءً مريحًا لنوعين من مخازن الذاكرة: مخزن الخصائص الدلالية، ومخزن الخصائص النمطية. وتُظهر النتائج التجريبية أن الإطار المُقترح يتفوّق على الطرق المُتقدّمة بفارق واضح.