شبكات التعلم العصبي التي تعتمد على تمرير الرسائل (MPNNs) تتعلم تمثيل البيانات ذات الهيكل الرسومي بناءً على المعلومات الأصلية للرسم البياني، بما في ذلك سمات العقد والهياكل الرسومية، وظهرت تحسينات مذهلة في مهام تصنيف العقد. ومع ذلك، فإن القدرة التعبيرية لشبكات MPNN محدودة من حيث الحد الأقصى باختبار ويسلفيلر-ليمان من الدرجة الأولى، كما أن دقتها لا تزال تحتوي على مجال للتحسين. تتناول هذه الدراسة كيفية تحسين قدرة MPNN على التعبير والقدرة على التعميم من خلال استغلال كامل للمعلومات الأصلية للرسم البياني من الناحية النظرية والتجريبية. كما تقدم نموذجًا جديدًا لشبكة التعلم العصبي الرسومية يُسمى INGNN (شبكة التعلم العصبي الرسومية المعززة بالمعلومات) يستفيد من هذه الرؤى لتحسين أداء تصنيف العقد. أظهرت تجارب واسعة على مجموعات بيانات اصطناعية وواقعية تفوق INGNN (بمتوسط تصنيف 1.78) مقارنة بالأساليب الرائدة في المجال.