이종 그래프의 계층적 구조와 멱함수 분포를 효과적으로 학습하기 위해 하이퍼볼릭 공간에서 메타패스 인스턴스 기반 이종 그래프 주의 신경망을 제안한다.
HeteroMILE는 대규모 이종 그래프에서 효율적으로 노드 임베딩을 학습할 수 있는 일반화된 다중 수준 프레임워크이다. 기존 이종 그래프 임베딩 방법의 확장성 문제를 해결하기 위해 그래프 축소와 임베딩 정제 과정을 통해 계산 비용을 크게 줄이면서도 성능을 유지할 수 있다.