تقدم هذه الورقة منهجية لتمثيل الرسوم المعرفية القائمة على الترجمة من خلال دوران العلاقات الفعّال (TransERR)، وهي بديل مباشر وفعال لطرائق تمثيل الرسوم المعرفية القائمة على الترجمة التقليدية. على عكس النماذج القائمة على الترجمة السابقة، يقوم TransERR بتشفير الرسوم المعرفية في الفضاء ذات القيم الزائدة (hypercomplex-valued)، مما يمكّنه من امتلاك درجة أعلى من حرية الترجمة عند استخراج المعلومات الكامنة بين الكيانات المبدئية (الرأس) والنهائية (الذيل). ولتقليل المسافة الناتجة عن الترجمة بشكل أكبر، يقوم TransERR بتدوير الكيان المبدئي والكيان النهائي بشكل تكيفي باستخدام وحدات كواتيرنيون (unit quaternions) المقابلة لهما، والتي يمكن تعلّمها خلال عملية تدريب النموذج. كما نقدم أدلة رياضية تُثبت قدرة TransERR على نمذجة أنماط علاقات متنوعة، بما في ذلك الأنماط المتزامنة، والمعاكسة، والانعكاس، والتراكب، والأنماط الفرعية. وقد أكدت التجارب على 10 مجموعات بيانات معيارية فعالية وعامة TransERR. كما تشير النتائج إلى أن TransERR قادر على تشفير مجموعات بيانات ضخمة باستخدام عدد أقل من المعاملات مقارنة بالنماذج القائمة على الترجمة السابقة. يتوفر الكود والبيانات المستخدمة في المشروع عبر الرابط التالي: \url{https://github.com/dellixx/TransERR}.