图神经网络最近作为一种处理图结构数据的有效框架而崭露头角。这些模型在许多任务中已经达到了最先进的性能。大多数图神经网络可以通过消息传递、顶点更新和读出函数来描述。本文中，我们将文档表示为词汇共现网络，并提出了一种应用于自然语言处理的消息传递框架——用于文档理解的消息传递注意力网络（MPAD）。我们还提出了几种MPAD的层次变体。在10个标准文本分类数据集上进行的实验表明，我们的架构与现有最先进方法具有竞争力。消融研究进一步揭示了不同组件对性能影响的见解。代码已公开发布于：https://github.com/giannisnik/mpad 。