最后更新 07-28-2026
分类:
Reviews:
Join thousands of AI enthusiasts in the World of AI!
Cleora.AI
Cleora 将边列表转换为图中每个节点的稠密向量嵌入，无需 GPU 或随机游走采样。pycleora Python 库包含一个 Rust 核心，通过稀疏马尔可夫矩阵幂计算完整的游走分布，然后提供分类、相似性搜索和链接预测辅助功能。它主要面向推荐系统、欺诈图、知识三元组以及其他关系结构比文本特征更重要的任务。
基于游走的库如 DeepWalk 和 Node2Vec 通过采样路径和训练跳字模型来近似邻域。Cleora 跳过这两个步骤，在一次确定性遍历中聚合每个 k 跳邻域，这也是 Zomato 报告在相同配置下，GraphSAGE 运行约二十小时后，Cleora 能在五分钟内完成客户-餐厅图嵌入的原因。其权衡在于范围：它是一个图结构工具包，而非用于非结构化数据的一般特征存储。
数据科学团队通过 pip 安装 pycleora，只需 NumPy 和 SciPy 作为依赖，软件包大小约为 5 MB。该 MIT 许可库包含八种基线算法、异构图支持、多层感知机和标签传播分类器，以及用于批处理作业的命令行界面。在 SNAP、Planetoid 和 DGL 数据集上的公开基准测试显示，在节点数约两百万的图上达到顶级准确率，而竞争方法则超时或内存不足。
pip install pycleora 拉取一个约5 MB的包，只需要NumPy和SciPy，无需GPU驱动或CUDA堆栈
稀疏Markov矩阵幂能精确计算所有游走分布，无随机游走或负采样
一个API中的八种嵌入算法：Cleora、DeepWalk、Node2Vec、ProNE、RandNE、HOPE、NetMF和GraRep
Zomato将客户-餐厅嵌入时间从GraphSAGE的约20小时缩短到同一数据上的不到五分钟
roadNet-CA的基准测试在31.5秒内嵌入1965206个节点，使用大约4.1 GB RAM在一个CPU核心上
异构超图接受带有类型列的TSV边文件，如complex::reflexive::product
开源MIT许可证，无API密钥或使用限制
确定性输出：相同的图和设置总是产生相同的嵌入
在游走库达到内存限制时，在CPU上嵌入百万节点图
内置分类器、指标和CLI，无需启动PyTorch或TensorFlow进行评估
Python库专注于图结构，而非托管云嵌入API
最大规模测试使用约4.1 GB RAM的196万节点道路网络
异构TSV列语法在导入复杂图之前需要阅读文档
Cleora是免费使用的吗？
是的。Cleora是基于MIT许可证的开源软件，因此没有许可费用、API密钥或使用限制。通过pip install pycleora安装，并在您自己的CPU硬件上运行。
Cleora需要GPU吗？
不需要。Cleora仅在CPU上运行，不需要CUDA、cuDNN或任何GPU驱动。其Rust核心使用稀疏矩阵操作，并在CPU核心间自适应并行。
如何安装Cleora？
从PyPI运行pip install pycleora。Cleora仅依赖NumPy和SciPy，安装占用约5 MB。命令行界面支持embed、info、benchmark等命令，无需编写Python代码。
用Cleora嵌入可以构建什么？
Cleora嵌入支持推荐系统、欺诈检测图、社区检测、链接预测、知识图谱补全和客户相似模型。用例文档包含每种模式的Python示例。
Cleora与DeepWalk和Node2Vec相比如何？
DeepWalk和Node2Vec通过随机游走采样并训练带负采样的skip-gram模型。Cleora通过稀疏马尔可夫矩阵幂计算精确游走分布，生成无采样噪声的确定性嵌入。
Cleora支持哪些图格式？
Cleora从TSV或空格分隔的边列表构建图，列字符串支持类型如complex::reflexive::product。它还支持导出到NetworkX、PyG和DGL，并能将嵌入保存为NPZ文件。