ندرس مشكلة التعلم الممثّل في الشبكات غير المتجانسة. تكمن التحديات الفريدة فيها في وجود أنواع متعددة من العقد والروابط، مما يحد من جدوى التقنيات التقليدية لتمثيل الشبكات. نطور نموذجين قابلين للتوسع في التعلم الممثّل، وهما metapath2vec و metapath2vec++. يُصاغ نموذج metapath2vec المشي العشوائي المستند إلى المسارات الوظيفية (meta-path) لبناء الجوار غير المتجانس للعقدة، ثم يستخدم نموذج skip-gram غير المتجانس لإجراء تمثيلات العقد. أما نموذج metapath2vec++ فيُمكّن بشكل إضافي من نمذجة الترابطات البنائية والمعنوية بشكل متزامن في الشبكات غير المتجانسة. تُظهر التجارب الواسعة أن نموذجي metapath2vec و metapath2vec++ قادران ليس فقط على التفوق على النماذج الحالية في مجال تمثيل الشبكات في مهام استخراج البيانات من الشبكات غير المتجانسة المختلفة، مثل تصنيف العقد، والتجميع، وبحث التشابه، بل أيضًا على التمييز بين الترابطات البنائية والمعنوية بين الكائنات المختلفة في الشبكة.