Cleora

Active

標語：以 Rust 打造的圖嵌入引擎，在 CPU 上產生確定性嵌入

更新：-

社群媒體：

AI 開發者工具 AI 數據分析研究與數據分析開源 API 可用面向開發者自託管零配置

打開網站

造訪網站

推廣該產品|認領這個產品

什麼是 Cleora?

Cleora 是以 Rust 打造的圖嵌入引擎，透過稀疏馬可夫傳播與交錯白化計算確定性嵌入。使用 pip 安裝 pycleora，從邊列表建立圖，即可在 CPU 上產生嵌入，無需隨機游走、負採樣或 GPU。

如何使用 Cleora?

執行 `pip install pycleora` 安裝，將邊定義為以空格分隔的實體對，用 SparseMatrix.from_iterator 建立圖，再呼叫 embed(graph, feature_dim=256)，並以 find_most_similar 查詢相似度。

Cleora 核心特點

稀疏馬可夫矩陣

從輸入圖建立稀疏轉移矩陣，原生支援具型別、多關係邊的異構超圖。

矩陣冪 = 全部游走分布

每次迭代將嵌入矩陣與稀疏轉移矩陣相乘，使 M^k 捕捉長度為 k 的全部游走分布，無需採樣或隨機近似。

L2 正規化傳播

每次迭代以鄰居嵌入的 L2 正規化平均值取代節點嵌入；共現相似度建議 3-4 次迭代，上下文相似度建議 7 次以上。

8 種演算法，統一 API

Cleora、ProNE、RandNE、DeepWalk、Node2Vec、HOPE、NetMF 與 GraRep 統一在同一 API 下，支援多尺度、注意力、有向、加權、串流與歸納圖等變體。

約 5 MB，無重型依賴

函式庫約 5 MB，僅需 numpy 與 scipy，以編譯後的 Rust 擴充交付，無需 CUDA 或 GPU 驅動。

Cleora 使用案例

基於使用者-物品二部圖的推薦系統

交易圖上的詐欺偵測與異常偵測

大規模社交網路與知識圖譜嵌入

Cleora 常見問題解答

如何安裝 pycleora？

在 PyPI 上執行 `pip install pycleora`。若從原始碼建置，請安裝 maturin，克隆 https://github.com/pycleora/pycleora，執行 `maturin build --release`，並安裝產生的 wheel。

Cleora 需要哪些依賴？

僅需 numpy 與 scipy。Matplotlib 為可選，用於視覺化。

Cleora 需要 GPU 嗎？

不需要。Cleora 僅在 CPU 上執行且結果確定，採用 Rust 核心與 Python API，無需 CUDA、cuDNN 或 GPU 驅動。

Cleora 產品背景及官方連結

Cleora 支援電子郵件和客戶服務聯絡資訊和退款聯絡方式等。

更多聯絡方式，請訪問關於我們頁面(https://cleora.ai/docs)

Cleora 公司資訊

Cleora 公司名稱： Synerise

更多關於 Cleora, 請訪問關於我們頁面(https://cleora.ai/docs)

Cleora GitHub

Cleora GitHub 連結： https://github.com/pycleora/pycleora

Cleora 定價與計劃

開源

免費

MIT 授權
透過 pip install pycleora 安裝
僅 CPU 的圖嵌入，無需 GPU
包含文件、API 參考與基準測試

立即訂閱並升級

Cleora標籤

開源 API 可用面向開發者自託管零配置

最適合 Cleora 的職業

軟體開發者數據科學家學術研究人員