أظهرت الشبكات العصبية الرسومية (GNNs) أداءً ممتازًا على الرسوم البيانية التي تُظهر تجانسًا قويًا بالنسبة لتسميات العقد، أي أن العقد المتصلة تمتلك نفس التسميات. ومع ذلك، فإن أداؤها ضعيف على الرسوم البيانية غير المتجانسة (heterophilic graphs). اعتمدت الطرق الحديثة عادةً على تعديل أساليب التجميع، وتصميم مرشحات رسومية متكيفة، وغيرها من التحسينات لمعالجة هذه المشكلة. ورغم ذلك، لا يزال الأداء على الرسوم البيانية غير المتجانسة ضعيفًا في بعض الأحيان. نقترح طريقة بديلة بسيطة تعتمد على استغلال التحليل القياسي المقطوع (TSVD) للهيكل التوافقي وسمات العقد. تحقق طريقتنا تحسينًا يصل إلى حوالي 30% في الأداء مقارنة بالطرق الرائدة في المجال على الرسوم البيانية غير المتجانسة. يُعد هذا العمل دراسة أولية في اتجاهات تختلف عن الطرق القائمة على التجميع. وتشير نتائجنا التجريبية إلى أن من المهم استكشاف طرق بديلة لأساليب التجميع في البيئات غير المتجانسة.