本研究では、多くの実用的なデータセットで一般的に見られる重複するエンティティ参照をモデル化するために、新しいセグメンタル・ハイパーグラフ表現を提案します。我々のモデルは、この新しい表現に基づいて構築されており、従来のモデルでは捉えることができなかった特徴や相互作用を捉えつつ、推論の時間計算量を低く保つことが可能です。また、我々の表現が文献で報告されている代替表現よりも表現力において優れていることを形式的に評価する理論解析も示します。特徴学習にはニューラルネットワークを組み合わせることで、我々のモデルは3つの重複する参照が注釈されたベンチマークデータセットで最先端の性能を達成しています。