Cleora

Active

Tagline:Rust-graph embedding-engine voor deterministische CPU-embeddings

Bijgewerkt:-

Sociale media:

AI-ontwikkelaarstools AI Data Analytics Onderzoek & Data-analyse Open source API beschikbaar Voor ontwikkelaars Zelf gehost Zonder configuratie

Website openen

Bezoek website

Promoot dit product|Dit product claimen

Wat is Cleora?

Cleora is een Rust-graph embedding-engine die deterministische embeddings berekent via sparse Markov-propagatie met interleaved whitening. Installeer pycleora met pip, bouw grafen uit edge-lijsten en genereer embeddings op de CPU zonder random walks, negative sampling of GPU's.

Hoe te gebruiken Cleora?

Installeer met `pip install pycleora`, definieer edges als door spaties gescheiden entiteitsparen, bouw de graaf met SparseMatrix.from_iterator, roep embed(graph, feature_dim=256) aan en zoek gelijkenis met find_most_similar.

Cleora Belangrijkste kenmerken

Sparse Markov-matrix

Bouwt een sparse overgangsmatrix uit je invoergraaf en ondersteunt heterogene hypergrafen met getypeerde, multi-relationele edges native.

Matrixmachten = alle walk-verdelingen

Elke iteratie vermenigvuldigt de embedding-matrix met de sparse overgangsmatrix zodat M^k de volledige verdeling van alle walks van lengte k vastlegt zonder sampling of stochastische benadering.

L2-genormaliseerde propagatie

Elke iteratie vervangt de embedding van een knoop door het L2-genormaliseerde gemiddelde van zijn buren; 3–4 iteraties voor co-occurrence-gelijkenis, 7+ voor contextuele gelijkenis.

8 algoritmen, één API

Cleora, ProNE, RandNE, DeepWalk, Node2Vec, HOPE, NetMF en GraRep zijn verenigd onder één API, met varianten voor multiscale, attention, gerichte, gewogen, streaming en inductieve grafen.

5 MB, geen zware afhankelijkheden

De bibliotheek is ongeveer 5 MB en vereist alleen numpy en scipy, geleverd als gecompileerde Rust-extensie zonder CUDA of GPU-drivers.

Cleora Cases

Aanbevelingssystemen uit user-item bipartiete grafen

Fraude- en anomaliedetectie op transactiegrafen

Social network- en knowledge graph-embeddings op schaal

Cleora Veelgestelde vragen

Hoe installeer ik pycleora?

Op PyPI: `pip install pycleora`. Vanuit bron: installeer maturin, clone https://github.com/pycleora/pycleora, voer `maturin build --release` uit en installeer de gegenereerde wheel.

Welke afhankelijkheden vereist Cleora?

Alleen numpy en scipy. Matplotlib is optioneel voor visualisatie.

Vereist Cleora een GPU?

Nee. Cleora is CPU-only en deterministisch, met Rust-kern en Python-API, zonder CUDA, cuDNN of GPU-drivers.

Cleora Productachtergrond & officiële links

Cleora Support e-mail & contact klantenservice & teruggave contact etc.

Meer contact, bezoek de over ons pagina(https://cleora.ai/docs)

Cleora Bedrijfsinformatie

Cleora Bedrijfsnaam: Synerise

Meer over Cleora, Bezoek de over ons pagina(https://cleora.ai/docs)

Cleora GitHub

Cleora GitHub-link: https://github.com/pycleora/pycleora

Cleora Prijzen & Plannen

Open Source

Gratis

MIT-licentie
Installatie via pip install pycleora
CPU-only graph embeddings zonder GPU
Documentatie, API-referentie en benchmarks inbegrepen

Nu abonneren & upgraden

Cleora tags

Open source API beschikbaar Voor ontwikkelaars Zelf gehost Zonder configuratie

Best passende beroepen voor Cleora

Softwareontwikkelaars Datawetenschappers Academische Onderzoekers