يعمل هذا البحث على تعميم الشبكات العصبية الرسمية (GNNs) خارج نطاق تلك المستندة إلى خوارزمية Weisfeiler-Lehman (WL)، ومصفوفات لابلاس الرسمية، والانتشار. نهجنا، المُشار إليه بـ "التجميع العلائقي" (Relational Pooling - RP)، يستند إلى نظرية التبادل الجزئي المحدود لتقديم إطار يمتلك قوة تمثيل قصوى للرسوم البيانية. يمكن لـ RP العمل مع النماذج الحالية لتمثيل الرسوم البيانية، وفي ما يبدو متعارضًا مع الحدس، يمكنه جعلها أكثر قوة من اختبار الأيزومورفية الأصلي Weisfeiler-Lehman. بالإضافة إلى ذلك، يسمح RP باستخدام هياكل مثل الشبكات العصبية المتكررة (Recurrent Neural Networks - RNNs) والشبكات العصبية التلافيفية (Convolutional Neural Networks - CNNs) في نهج نظري صوت لتصنيف الرسوم البيانية. لقد أظهرنا تحسين الأداء للتمثيلات الرسمية المستندة إلى RP مقارنة بالطرق الأكثر تقدمًا في عدد من المهام.