消息传递神经网络（MPNNs）在图学习任务中得到了广泛应用，但受限于信息交换范围狭窄的问题，即在每轮消息传递过程中仅限于邻近节点之间的信息交换。为了解决这些限制，已提出了多种策略，包括引入虚拟节点以促进全局信息交换。在本研究中，我们提出了一种层次支持图（Hierarchical Support Graph, HSG），这是通过递归粗化原始图而扩展的虚拟节点概念。该方法提供了一个灵活的框架，用于增强图中的信息流动，且独立于所使用的具体MPNN层。我们对HSG进行了理论分析，探讨了其经验性能，并展示了HSG能够超越其他使用虚拟节点的方法，在多个数据集上取得了最先进的结果。