الشبكات العصبية الرسومية غير المتجانسة (SeHGNN) تتمتع بقدرة قوية على تضمين المعلومات الهيكلية والدلالية الغنية لرسم بياني غير متجانس في تمثيلات العقد. الشبكات العصبية الرسومية غير المتجانسة الحالية تستمد العديد من الآليات من الشبكات العصبية الرسومية (GNNs) فوق الرسوم البيانية المتجانسة، خاصة آلية الانتباه والهيكل متعدد الطبقات. هذه الآليات تجلب تعقيدًا زائدًا، ولكن نادرًا ما تدرس الأبحاث مدى فعاليتها على الرسوم البيانية غير المتجانسة. يجري هذا البحث دراسة شاملة ومفصلة لهذه الآليات ويقترح شبكتًا عصبية رسومية غير متجانسة بسيطة وفعالة (SeHGNN). لتسهيل التقاط المعلومات الهيكلية، تقوم SeHGNN بحساب جمع الجيران مسبقًا باستخدام مجمع الوسط البسيط، مما يقلل من التعقيد بإزالة انتباه الجيران الزائد وتجنب إعادة جمع الجيران في كل عصر تدريبي. لاستخدام أفضل للمعلومات الدلالية، تتبنى SeHGNN الهيكل أحادي الطبقة مع المسارات الفوقية الطويلة لتوسيع المجال المستقبل، بالإضافة إلى وحدة دمج دلالية قائمة على التحويل للدمج بين الخصائص من المسارات الفوقية المختلفة. نتيجة لذلك، تظهر SeHGNN خصائص هيكل شبكة بسيط ودقة تنبؤ عالية وسرعة تدريب سريعة. أثبتت التجارب الواسعة على خمسة رسوم بيانية حقيقية غير متجانسة تفوق SeHGNN على أحدث الأساليب في كل من الدقة وسرعة التدريب.