تنفيذ لـ "تَشْكِيل الشبكة ذات الخصائص الثنائية". يُمكّن التَّشْكِيل الشبكي ذي الخصائص من التعلم المشترك للتمثيلات المرتبطة بالروابط بين العقد والخصائص المرتبطة بها. تم تصميم النماذج الحالية لتَشْكِيل الشبكات ذات الخصائص في الفضاءات الإقليدية المستمرة، والتي تُسبب غالبًا تكرارًا في البيانات، وتُشكّل تحديات كبيرة على تكاليف التخزين والمعالجة الحاسوبية. ولحل هذه المشكلة، نقدّم نموذجًا يُسمّى "تَشْكِيل الشبكة ذات الخصائص الثنائية" (BANE باختصار) لتعلم تمثيلات ثنائية للعقد. وبشكل محدد، نعرّف مصفوفة جديدة تُسمّى "مصفوفة التقارب ويسفيلر-ليهمن" لالتقاط الاعتماديات بين الروابط والخصائص من خلال جمع معلومات الخصائص والروابط من العقد المجاورة إلى عقدة هدف معينة بطريقة متسلسلة (طبقة تلو الأخرى). وبالاعتماد على مصفوفة التقارب ويسفيلر-ليهمن، نُصاغ دالة جديدة لعملية تحليل المصفوفات ويسفيلر-ليهمن ضمن قيد التمثيل الثنائي للعقد. ويشكّل هذا التحدي مشكلة تحسين مختلطة (مزيج من أعداد صحيحة وحقيقية)، وتُستخدم خوارزمية التناقص الإحداثي الدائري (CCD) بكفاءة كحل لها. وقد أظهرت تجارب التصنيف على العقد وتوقع الروابط على مجموعات بيانات واقعية أن نموذج BANE المُقترح يتفوّق على أحدث أساليب تَشْكِيل الشبكات.