إحدى العمليات الأكثر أهمية في الشبكات العصبية الرسومية (GNNs) هي عملية التجميع، والتي تهدف إلى استخلاص المعلومات من الجيران الخاص بالعقدة المستهدفة. تم اقتراح عدة طرق للترشيح مثل الترشيح الرسومي القياسي (GCN)، والانتباه الرسومي (GAT)، ونقل الرسائل (MPNN). في هذه الدراسة، نقترح طريقة تجميع تُسمى مُجمّعات متعددة الأقنعة (MMA)، حيث يتعلم النموذج قناعًا موزونًا لكل مُجمّع قبل جمع الرسائل من الجيران. تشبه MMA طريقة GAT وMPNN من حيث المفهوم، لكنها تمتلك مزايا نظرية وعملية. بشكل مبسط، لا تُحدّد إطار عملنا بالعدد المحدود للرؤوس كما هو الحال في GAT، كما أنها أكثر تمييزًا من MPNN. تم مقارنة أداء MMA مع الطرق الأساسية المعروفة في مهام تصنيف العقدة والانحدار الرسومي على مجموعات بيانات معيارية شائعة الاستخدام، وقد أظهرت تحسينًا في الأداء. يمكن الوصول إلى البيانات والكود من خلال الرابط التالي: https://github.com/asarigun/mma.