تلعب المناطق المحلية دورًا محوريًا في تضمين التمثيلات في التعلم القائم على الرسوم البيانية. يُعتقد بشكل شائع أن يجب أن تكون تمثيلات العقد مماثلة لتلك الخاصة بجيرانها. في هذا البحث، نسعى إلى توسيع مفهوم التشابه من البيئات القريبة إلى كامل الرسم البياني بشكل دقيق. نقدم تمديدًا لمفهوم التشابه يعتمد على العلاقات التداخلية (التماثلية)، مما يمكّن الشبكات العصبية الرسومية (GNNs) من اكتشاف التشابهات العالمية والمحليّة معًا على طول الرسم البياني بأكمله. نُقدّم شبكة عصبية رسومية تُسمى TransGNN، التي تأخذ بعين الاعتبار التشابهات العالمية إلى جانب التشابهات المحلية، وذلك من خلال التمييز بين العلاقات التداخلية القوية والضعيفة واستغلالها. وقد قُمنا بتقييم نموذجنا على عدة مجموعات بيانات واقعية، وأظهرنا أنه يُحسّن بشكل ملحوظ أداء عدد من نماذج الشبكات العصبية الرسومية المعروفة، في مهام مثل تصنيف العقد.