تستعرض هذه الورقة القدرة التي تمتلكها الشبكات العصبية الرسومية (GNNs) على تعلّم أشكال مختلفة من المعلومات لغرض التنبؤ بالروابط، إلى جانب مراجعة موجزة للطرق الحالية للتنبؤ بالروابط. تُظهر تحليلاتنا أن الشبكات العصبية الرسومية لا يمكنها تعلّم المعلومات الهيكلية المتعلقة بعدد الجيران المشتركين بين عقدتين بشكل فعّال، وذلك بشكل رئيسي بسبب طبيعة التجميع المبني على المجموعات في آلية تجميع الجيران. علاوةً على ذلك، تشير تجاربنا الواسعة إلى أن تحسين تمثيلات العقد القابلة للتدريب يمكن أن يُحسّن أداء نماذج التنبؤ بالروابط القائمة على الشبكات العصبية الرسومية. وبشكل مهم، نلاحظ أن كلما زاد كثافة الرسم البياني، زادت هذه التحسينات. ونُرجع هذا التأثير إلى خصائص تمثيلات العقد، حيث يمكن ترميز حالة كل رابطة في العقدة المُشار إليها ضمن تمثيلات العقد التي تشارك في عملية تجميع الجيران الخاصة بالعقدتين في تلك العينة الرابطة. وفي الرسوم البيانية الكثيفة، تمتلك كل عقدة فرصًا أكبر للمشاركة في عملية تجميع الجيران الخاصة بعُقد أخرى، وبالتالي يمكنها ترميز حالات عينات روابط أكثر في تمثيلها، ما يؤدي إلى تحسين تمثيلات العقد بشكل أفضل لغرض التنبؤ بالروابط. وأخيرًا، نُظهر أن الرؤى المستخلصة من بحثنا تمتلك تداعيات مهمة في تحديد القيود التي تواجه الطرق الحالية للتنبؤ بالروابط، مما يمكن أن يوجه تطوير خوارزميات أكثر متانة في المستقبل.