MF2Vec es un modelo propuesto para superar las limitaciones de las redes neuronales de grafos heterogéneos (HGNN) existentes, que se basan en metatrayectos predefinidos y específicos del dominio. Mientras que los métodos actuales se centran únicamente en aspectos simples como los tipos de nodos, MF2Vec extrae rutas detalladas mediante recorridos aleatorios, ignorando así los esquemas predefinidos y aprendiendo diversos aspectos de los nodos y sus relaciones. Los vectores multifacéticos resultantes forman redes homogéneas y generan incrustaciones de nodos, que posteriormente se utilizan para diversas tareas como la clasificación, la predicción de enlaces y la agrupación en clústeres. Los resultados experimentales demuestran que MF2Vec supera a los métodos existentes y proporciona un marco más flexible y completo para el análisis de redes complejas.
