Cleora

Active

标语：基于 Rust 的图嵌入引擎，在 CPU 上生成确定性嵌入

更新：-

社交媒体：

AI 开发者工具 AI数据分析研究与数据分析开源 API 可用面向开发者自托管零配置

打开网站

访问网站

推广该产品|认领这个产品

什么是 Cleora?

Cleora 是基于 Rust 的图嵌入引擎，通过稀疏马尔可夫传播与交错白化计算确定性嵌入。使用 pip 安装 pycleora，从边列表构建图，即可在 CPU 上生成嵌入，无需随机游走、负采样或 GPU。

如何使用 Cleora?

运行 `pip install pycleora` 安装，将边定义为以空格分隔的实体对，用 SparseMatrix.from_iterator 构建图，再调用 embed(graph, feature_dim=256)，并用 find_most_similar 查询相似度。

Cleora 核心特点

稀疏马尔可夫矩阵

从输入图构建稀疏转移矩阵，原生支持带类型、多关系边的异构超图。

矩阵幂 = 全部游走分布

每次迭代将嵌入矩阵与稀疏转移矩阵相乘，使 M^k 捕获长度为 k 的全部游走分布，无需采样或随机近似。

L2 归一化传播

每次迭代用邻居嵌入的 L2 归一化平均值替换节点嵌入；共现相似度建议 3-4 次迭代，上下文相似度建议 7 次以上。

8 种算法，统一 API

Cleora、ProNE、RandNE、DeepWalk、Node2Vec、HOPE、NetMF 和 GraRep 统一在同一 API 下，支持多尺度、注意力、有向、加权、流式与归纳图等变体。

约 5 MB，无重型依赖

库体积约 5 MB，仅需 numpy 和 scipy，以编译后的 Rust 扩展交付，无需 CUDA 或 GPU 驱动。

Cleora 使用案例

基于用户-物品二部图的推荐系统

交易图上的欺诈检测与异常检测

大规模社交网络与知识图谱嵌入

Cleora 常见问题解答

如何安装 pycleora？

在 PyPI 上运行 `pip install pycleora`。若从源码构建，请安装 maturin，克隆 https://github.com/pycleora/pycleora，运行 `maturin build --release`，并安装生成的 wheel。

Cleora 需要哪些依赖？

仅需 numpy 和 scipy。Matplotlib 为可选，用于可视化。

Cleora 需要 GPU 吗？

不需要。Cleora 仅在 CPU 上运行且结果确定，采用 Rust 核心与 Python API，无需 CUDA、cuDNN 或 GPU 驱动。

Cleora 产品背景及官方链接

Cleora 支持电子邮件和客户服务联系方式和退款联系方式等。

更多联系方式，请访问关于我们页面(https://cleora.ai/docs)

Cleora 公司信息

Cleora 公司名称： Synerise

更多关于 Cleora, 请访问关于我们页面(https://cleora.ai/docs)

Cleora GitHub

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

Cleora 定价和计划

开源

免费

MIT 许可证
通过 pip install pycleora 安装
仅 CPU 的图嵌入，无需 GPU
包含文档、API 参考与基准测试

立即订阅并升级

Cleora标签

开源 API 可用面向开发者自托管零配置

最适合 Cleora 的职业

软件开发者数据分析师学术科研人员