نُجري دراسة حول مشكلة دمج الميزات ذات الرتبة العالية بشكل فعّال في تحليل الاعتماد القائم على الشبكات العصبية. بدلًا من استخلاص الميزات ذات الرتبة العالية بشكل صريح من أشجار التحليل الوسيطة، نطوّر تمثيلًا أقوى لعُقد شجرة الاعتماد، يُمكّن من التقاط المعلومات ذات الرتبة العالية بشكل موجز وفعال. نستخدم الشبكات العصبية الرسومية (GNNs) لتعلم هذه التمثيلات، ونناقش عدة تكوينات جديدة لوظائف التحديث والتجميع في الشبكات العصبية الرسومية. أظهرت التجارب على مجموعة بيانات PTB أن مُحلّلنا يحقق أفضل نتائج من حيث نسبة الدقة المطلقة (UAS) ونسبة الدقة المطلقة المُرتبطة (LAS) على PTB (96.0% و94.3% على التوالي) بين الأنظمة التي لا تستخدم أي موارد خارجية.