المعلومات الطوبولوجية ضرورية لدراسة العلاقة بين العقد في شبكة. مؤخرًا، أثبتت طرق تعلم تمثيل الشبكات (Network Representation Learning - NRL) فعاليتها في تحليل الشبكات ذات الحجم الكبير من خلال إسقاط الشبكة في فضاء متجهي منخفض البعد. ومع ذلك، فإن معظم الطرق الحالية لـ NRL مصممة للحفاظ على الطوبولوجيا المحلية للشبكة، مما يجعلها غير قادرة على التقاط الطوبولوجيا العالمية. لمعالجة هذه المشكلة، نقترح إطارًا جديدًا لـ NRL يُسمى HSRL، يساعد الطرق الحالية لـ NRL على التقاط كل من المعلومات الطوبولوجية المحلية والعالمية للشبكة. بصفة خاصة، يقوم HSRL بتقليص شبكة الإدخال بشكل متكرر إلى سلسلة من الشبكات الأصغر باستخدام استراتيجية تقليص واعية بالمجتمعات (community-awareness). ثم يتم استخدام طريقة NRL موجودة لتعلم الترميزات العقدية لكل شبكة مضغوطة. وأخيرًا، يتم الحصول على الترميزات العقدية للشبكة الأصلية عن طريق ربط الترميزات العقدية من جميع الشبكات المضغوطة. تظهر الدراسات التجريبية للتوقع الروابط على خمسة مجموعات بيانات حقيقية المزايا التي يوفرها HSRL مقارنة بالطرق الرائدة حاليًا.