يناقش البحث آلية تجميع (Pooling) تهدف إلى إحداث عملية استخلاص عينات مختصرة (Subsampling) في البيانات ذات البنية الشبكية، ويعتبرها عنصراً مدمجاً في شبكة عصبية تلافيفية للرسوم البيانية (Graph Convolutional Neural Network). تعتمد آلية التجميع هذه على عملية تحليل المصفوفة غير السلبية (Non-Negative Matrix Factorization - NMF) لمصفوفة تمثل العلاقة بين العقد (Node Adjacency) وتشابه العقد (Node Similarity)، حيث تُستخلص هذه المصفوفة بشكل تكيفي من خلال تضمين العقد (Vertex Embedding) الذي تتعلمه النموذج. وتُطبَّق هذه الآلية للحصول على رسم بياني أكثر تبسيطًا تدريجياً، حيث يتم تجميع العقد بشكل تكيفي ضمن مجتمعات (Communities) استناداً إلى نتائج التحليل غير السلبي. وأظهر التحليل التجريبي على معايير تصنيف الرسوم البيانية كيف أن عملية التبسيط هذه تؤدي إلى تحسين كبير في أداء النموذج التنبؤي مقارنةً بنموذج لا يعتمد آلية التجميع.