معظم نواة الرسوم البيانية هي حالات من فئة نواة الـ $\mathcal{R}$R-التشويه (R-Convolution)، والتي تقيس تشابه الأشياء من خلال مقارنة بنية أجزائها الفرعية. على الرغم من النجاح التجريبي لهذه النواة، فإن معظمها يستخدم تجميعًا بسيطًا للمجموعة النهائية من الأجزاء الفرعية، عادةً ما يكون مجموعًا أو متوسطًا حسابيًا، مما قد يؤدي إلى التخلص من معلومات قيمة حول توزيع المكونات الفردية. بالإضافة إلى ذلك، يمكن توسيع عدد محدود فقط من هذه الأساليب لتطبق على الرسوم البيانية ذات السمات المستمرة. نقترح طريقة جديدة تعتمد على المسافة الـ Wasserstein بين توزيعات المتجهات الخاصة بالسمات العقدية لرسومين بيانيين، مما يسمح باكتشاف الاختلافات الدقيقة في المجموعات البيانات عن طريق اعتبار الرسوم البيانية كأجسام ذات أبعاد عالية بدلاً من المتوسطات البسيطة. كما نقترح أيضًا نظام تمثيل مستوحى من خوارزمية Weisfeiler-Lehman للرسوم البيانية ذات السمات العقدية المستمرة والحواف الوزنية، ونعزز هذا النظام باستخدام المسافة الـ Wasserstein المحسبة، مما يحسن الأداء التنبؤي المتقدم في عدة مهمات تصنيف الرسوم البيانية.