النماذج المتطورة حديثًا لحل التماثل (coreference resolution) تعتمد على قرارات منفصلة لكل زوج من الإشارات (mention pair-wise). نقترح نهجًا نمذجيًا يتعلم التماثل على مستوى المستند ككل، ويتخذ قرارات عامة. ولتحقيق ذلك، نُمَثّل الروابط التماثلية في هيكل رسم بياني (graph)، حيث تمثل العقد الكلمات (tokens) في النص، وتمثل الحواف العلاقات بينها. تقوم نموذجنا بتوقع الرسم البياني بطريقة غير تلقائية (non-autoregressive)، ثم يُحسّن تدريجيًا بناءً على التوقعات السابقة، مما يسمح بوجود اعتماديات عامة بين القرارات. تُظهر النتائج التجريبية تحسنًا مقارنةً بأساليب المقارنة المختلفة، مما يعزز الفرضية القائلة بأن المعلومات على مستوى المستند تُحسّن أداء حل التماثل.