نقدّم إطارًا لتعلم تمثيلات العقد من خلال المخططات الجزئية الثابتة (NESS)، باستخدام مُشفّر رسم بياني تلقائي (GAE) في بيئة تلقائية (transductive). يعتمد NESS على فكرة رئيسية متمثلة في: (أ) تقسيم الرسم البياني التدريبي إلى عدة مخططات جزئية ثابتة ونادرة، مع حواف غير متداخلة، باستخدام تقسيم عشوائي للحواف أثناء مرحلة ما قبل المعالجة؛ (ب) تجميع تمثيلات العقد التي تم تعلمها من كل مخطط جزئي للحصول على تمثيل مشترك للرسم البياني عند الاختبار. علاوةً على ذلك، نقترح أسلوبًا اختياريًا للتعلم التمييزي (contrastive learning) في البيئة التلقائية. نُظهر أن NESS يُقدّم تمثيلًا أفضل للعقد في مهام التنبؤ بالروابط مقارنةً بالأساليب الحالية المبنية على التشفير التلقائي، والتي تعتمد إما على الرسم البياني الكامل أو على مخططات جزئية عشوائية. كما تُظهر تجاربنا أن NESS يُحسّن أداء مجموعة واسعة من مشفرات الرسوم البيانية، ويحقق نتائج من الطراز الرائد في مهام التنبؤ بالروابط على عدة مجموعات بيانات واقعية، تتفاوت نسب التماثل الحواف (edge homophily ratio) من التمايز القوي إلى التماثل القوي.