يمكن صياغة العديد من المشاكل الهامة كتعلم من بيانات الرسم البياني (graph data). نقترح إطارًا لتعلم شبكات العصبونات التلافيفية (convolutional neural networks) للرسوم البيانية العشوائية. قد تكون هذه الرسوم البيانية غير موجهة، موجهة، ولها خصائص عقد وحواف متقطعة ومستمرة على حد سواء. مشابهةً لشبكات التلافيف التي تعمل على المناطق المتصلة محليًا في المدخلات القائمة على الصور، نقدم نهجًا عامًا لاستخراج المناطق المتصلة محليًا من الرسوم البيانية. باستخدام مجموعات بيانات مقاييس معروفة، نوضح أن تمثيلات الخصائص المُتعلَّمة تنافس أحدث نواة الرسوم البيانية وأن حسابها فائق الكفاءة.