في الآونة الأخيرة، استكشف الباحثون تقنيات الشبكة العصبية الرسومية (GNN) في تصنيف النصوص، نظرًا لقدرتها العالية على التعامل مع الهياكل المعقدة وحفظ المعلومات الشاملة. ومع ذلك، فإن الطرق السابقة القائمة على GNN تواجه مشكلات عملية رئيسية، مثل هيكل الرسم البياني الثابت على مستوى المجموعة النصية (corpus)، والذي لا يدعم الاختبارات المباشرة (online testing)، بالإضافة إلى استهلاك الذاكرة العالي. ولحل هذه المشكلات، نقترح نموذجًا جديدًا يعتمد على GNN، يُنشئ رسومًا بيانية لكل نص مدخل باستخدام مشاركة معلمات عالمية، بدلاً من استخدام رسم بياني واحد للجميع المجموعة النصية. يُخفف هذا الأسلوب من العبء الناتج عن الاعتماد المتبادل بين النص الفردي والمجموعة النصية بأكملها، مما يُمكّن من دعم الاختبارات المباشرة، مع الحفاظ في الوقت نفسه على المعلومات الشاملة. علاوة على ذلك، نُنشئ الرسوم البيانية باستخدام نوافذ أصغر بكثير في النص، مما يُمكننا من استخلاص ميزات محلية أكثر دقة، ويقلل بشكل كبير من عدد الحواف، وبالتالي يُقلل من استهلاك الذاكرة. تُظهر التجارب أن نموذجنا يتفوق على النماذج الحالية في عدة مجموعات بيانات لتصنيف النصوص، حتى مع استهلاك ذاكرة أقل.