في هذه الورقة، نقدّم CensNet، وهي شبكة عصبية رسمية (Graph Neural Network) تعتمد على التConvolution مع تبديل العقدة والحرف (Edge-Node Switching)، لتصنيف وانحدار شبه مُراقب في البيانات ذات البنية الرسومية التي تتضمن خصائص لكل من العقد والحواف. تُعد CensNet إطارًا عامًا لتمثيل الرسومات (Graph Embedding)، حيث تقوم بتمثيل كل من العقد والحواف في فضاء مُخبَّأ (Latent Feature Space). وباستخدام رسم خطّي (Line Graph) للرسم غير الموجه الأصلي، يتم تبديل أدوار العقد والحواف، واقتراح عمليتين جديدتين للاستدلال الرسومي (Graph Convolution) لنقل الخصائص. وأظهرت النتائج التجريبية على شبكات استشهاد أكاديمي حقيقية ورسوم كيمياء كمومية أن نهجنا حقق أداءً يوازي أو يتفوق على أفضل الأداءات الحالية (State-of-the-Art).