نتناول مشكلة تصنيف الرسوم البيانية استنادًا فقط إلى المعلومات الهيكلية. مستوحين من تقنيات معالجة اللغة الطبيعية (NLP)، يدمج نموذجنا المعلومات تباعيًا لتقدير احتمالات انتماء الفئات. بالإضافة إلى ذلك، نجري تجارب باستخدام تقنيات تنظيم متغير مشابهة لتلك المستخدمة في NLP، مما يجعل النموذج يتوقع العقدة التالية في التسلسل أثناء قراءته. نثبت تجريبيًا أن نموذجنا يحقق نتائج تصنيف رائدة على عدة مجموعات بيانات جزيئية قياسية. أخيرًا، نقوم بتحليل نوعي ونقدم بعض الرؤى حول ما إذا كان التنبؤ بالعقدة يساعد النموذج على تصنيف الرسوم البيانية بشكل أفضل.