الشبكات العصبية الرسومية الحديثة (GNNs) تتعلم تمثيلات العقد من خلال التجميع المحلي متعدد الطبقات وتحقق نجاحًا كبيرًا في التطبيقات على الرسومات المتجانسة. ومع ذلك، فإن المهام على الرسومات غير المتجانسة غالبًا ما تتطلب التجميع غير المحلي. بالإضافة إلى ذلك، نجد أن التجميع المحلي قد يكون ضارًا لبعض الرسومات غير المتجانسة. في هذا العمل، نقترح إطار عمل بسيط ولكنه فعال للتجميع غير المحلي مع تصنيف كفء موجه بالانتباه للشبكات العصبية الرسومية. بناءً عليه، قمنا بتطوير مجموعة متنوعة من الشبكات العصبية الرسومية غير المحلية. أجرينا تجارب شاملة لتحليل مجموعات بيانات الرسومات غير المتجانسة وتقييم شبكاتنا العصبية الرسومية غير المحلية. تظهر النتائج التجريبية أن شبكاتنا العصبية الرسومية غير المحلية تتفوق بشكل كبير على الطرق السابقة الأكثر تقدمًا في سبعة مجموعات بيانات معيارية للرسومات غير المتجانسة، سواء من حيث أداء النموذج أو الكفاءة.