Em um contexto onde redes neurais para grafos (GNN) aparecem como o padrão para aprendizado de máquina com grafos, este trabalho propõe uma alternativa de aprendizado em grafos com o foco na tarefa de classificação de grafos baseada em redes neurais sem pesos. Dessa forma, tendo as redes sem peso como guia, uma nova representação para aprendizado raso é desenvolvida e avaliada em conjuntos de dados já amplamente utilizados pela comunidade. Os resultados demonstram que com a representação proposta e o uso de redes neurais sem peso é possível atingir melhores resultados que os observados com o uso de redes profundas utilizando-se de menos recursos computacionais. Ainda, resultados corroboram que outros classificadores e métodos de aprendizado raso podem se beneficiar da representação proposta.
.png)
.png)
