稀疏矩阵幂运算
从输入图构建稀疏转移矩阵，通过迭代矩阵乘法 M^k 精确捕获所有长度为 k 的游走分布，无需随机游走采样或负采样，保证结果可复现。
价格免费 + 付费
平台API
归类数据分析
收录2026-10-10
复核2026-10-10
编辑评分
4.2 / 5
★★★★☆
Cleora.ai编辑总结
Cleora 是由 Synerise 团队开源的图嵌入引擎，核心用 Rust 编写，Python 接口为 pycleora。它不依赖随机游走采样或 skip-gram 训练，而是通过稀疏转移矩阵的幂运算精确计算所有游走分布，因此在单核 CPU 上即可运行，安装包约 5 MB，仅依赖 numpy 和 scipy。Zomato 的案例显示，同一数据集上 Cleora 生成嵌入耗时从 GraphSAGE 的约 20 小时降至 5 分钟以内，并支撑 80M+ 用户、500+ 城市的推荐场景。其明显短板在于传播方式以 left 为主，symmetric 在 ego-Facebook 上准确率降至 0.293，且生态与文档厚度不及 PyTorch Geometric 等主流框架。
Cleora.ai是什么？
Cleora 是一款面向图结构数据的嵌入（embedding）引擎，由 Synerise 团队开发并开源。它的 Python 库名为 pycleora，当前文档版本为 3.2，定位是替代 DeepWalk、Node2Vec、LINE、GraphSAGE 等需要随机游走采样与训练的图嵌入方案，可在单核 CPU 上完成全部计算。
它的算法核心是稀疏 Markov 矩阵：先根据输入图构建稀疏转移矩阵，然后通过迭代矩阵乘法计算所有长度为 k 的游走分布，每次迭代将节点嵌入替换为邻居嵌入的 L2 归一化加权平均。常用的迭代次数为 3-4 次（共现相似度）或 7 次以上（上下文相似度）。整个过程无需负采样、无需 GPU，结果是确定性的，同样输入永远得到同样输出。
对普通数据科学用户来说，它可以从 TSV 格式的边列表直接建图并输出嵌入向量；对开发者来说，它提供 SparseMatrix、embed、find_most_similar 等 API 与多种传播、归一化、白化参数；对团队来说，它支持异构超图和归纳学习，新节点无需重训全图即可嵌入，适合放进生产推荐与分类流水线。
Cleora.ai核心功能
L2 归一化传播
每次迭代将节点嵌入替换为邻居嵌入的 L2 归一化加权平均。官方建议共现相似度用 3-4 次迭代，上下文相似度用 7 次以上。
两种传播类型
left（左 Markov，D⁻¹A 行随机）为默认方式，保留高度节点影响力；symmetric（D⁻¹/²AD⁻¹/²）更快但可能降低准确率，适用于度分布均匀的正则图。
异构超图支持
原生处理多类型节点与边、二分图与超图。使用 TSV 输入并支持 complex::reflexive::product 这类带类型列定义，无需图预处理。
归纳学习
嵌入在不同运行间保持稳定，并支持归纳式学习：新节点无需重新训练整张图即可生成嵌入，便于生产环境增量更新。
白化与相似检索
embed 默认开启 whitening 并每轮迭代执行，保持谱各向同性、防止过平滑；find_most_similar 可按余弦相似度返回 top-K 最相似实体。
极小依赖安装
整个库约 5 MB，仅依赖 numpy 和 scipy，matplotlib 为可选可视化依赖。以单个编译好的 Rust 扩展发布，无需 CUDA 或 GPU 驱动。
确定性输出
相同输入始终产生相同输出，无需多次运行取平均，方便可复现研究以及在生产 ML 流水线中稳定使用，避免随机波动。
Cleora.ai适合谁用？
图数据科学研究者
推荐需要确定性、可复现嵌入的实验场景，Cleora 无随机采样、同输入同输出，配合 whitening 可稳定比较不同图结构。
推荐系统工程师
推荐Zomato 案例显示其在单城市数据上从约 20 小时降至 5 分钟以内，适合需要快速迭代嵌入的生产推荐流水线。
资源受限团队
推荐安装包约 5 MB、仅依赖 numpy 和 scipy、单核 CPU 即可运行，无需 GPU 集群，适合预算与算力有限的小团队。
习惯 symmetric 归一化的用户
有条件若任务依赖 symmetric 传播，在 ego-Facebook 上准确率为 0.293 远低于 left 的 0.964，需谨慎评估是否改用 left。
需要深度图神经网络训练的用户
不推荐Cleora 不做 skip-gram 训练也不支持 GPU 加速，若流程依赖 PyTorch 生态或深度模型微调，它无法直接替代。
Cleora.ai优点和缺点
优点
- Zomato 实测比 GraphSAGE 快 240 倍，20 小时降至 5 分钟以内
- 安装包约 5 MB，仅依赖 numpy 与 scipy
- 无需 GPU，单核 CPU 即可完成全部计算
- 结果确定性，同输入同输出，便于复现
- 支持异构超图与归纳学习，新节点免重训
缺点
- symmetric 传播在 ego-Facebook 上准确率仅 0.293
- 不支持 GPU 加速，未利用显卡算力
- 生态与文档厚度不及 PyTorch Geometric 等主流库
- 输入以 TSV 边列表为主，接入其他格式需自行预处理
Cleora.ai关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 与 GraphSAGE 速度对比 | 240x faster | Key Advantages |
| 安装体积 | 5 MB | Key Advantages |
| 需要 GPU 数 | 0 GPUs | 首页指标 |
| Zomato 嵌入耗时 | < 5 minutes | Case Study |
| GraphSAGE 对比耗时 | ~20 hours | Case Study |
| Zomato 覆盖用户 | 80M+ | Case Study |
| Zomato 覆盖城市 | 500+ | Case Study |
| ego-Facebook left 准确率 | 0.964 | docs 传播类型对比 |
| ego-Facebook symmetric 准确率 | 0.293 | docs 传播类型对比 |
| roadNet-CA left 准确率 | 0.598 | docs 传播类型对比 |
| roadNet-CA symmetric 准确率 | 0.431 | docs 传播类型对比 |
| PyTorch Geometric 体积对比 | 500 MB+ | Key Advantages |
| DGL 体积对比 | 400 MB+ | Key Advantages |
Cleora.ai常见问题
Cleora 是免费的吗？＋
官网未提及任何价格数字或收费档位说明，官方页面只提供 pip install pycleora 的安装方式与文档、API 参考，未提及订阅或付费计划。如需商用授权或支持，建议直接联系官方确认。
当前主力版本是什么？＋
文档与 API 参考均标注为 pycleora 3.2，是该库当前的文档版本。核心算法基于稀疏 Markov 矩阵幂运算，embed 函数默认 feature_dim=256、num_iterations=40、propagation=left。
它和 GraphSAGE、DeepWalk 怎么选？＋
Zomato 实测同一数据集上，Cleora 生成嵌入 5 分钟以内，而 GraphSAGE 约需 20 小时，快 240 倍。若你需要 GPU 训练、端到端深度模型或 PyTorch 生态集成，GraphSAGE 更合适；若只需结构型嵌入且追求速度与确定性，Cleora 更省资源。
国内能正常使用吗？＋
Cleora 以 PyPI 包 pycleora 形式发布，安装方式为 pip install pycleora，也可从源码配合 Rust 编译器安装。官网未提及任何地区限制或访问门槛，实际可用性取决于本地网络对 PyPI 的访问情况。
需要 GPU 吗？＋
不需要。官方明确标注 Required. Ever. 为 0 GPUs，整个库以单个编译好的 Rust 扩展发布，只依赖 numpy 和 scipy，单核 CPU 即可运行。
迭代次数应该设多少？＋
文档给出参考：3-4 次迭代适合共现相似度任务，7 次以上适合类似 skip-gram 的上下文相似度任务。embed 函数的 num_iterations 默认值为 40，也可设为 auto 自动决定。
left 和 symmetric 传播有什么区别？＋
left 是左 Markov 归一化（D⁻¹A，行随机），保留高度节点的影响力，是默认方式；symmetric（D⁻¹/²AD⁻¹/²）更快但会削弱枢纽节点影响。基准上 ego-Facebook 左传播 0.964，对称仅 0.293；roadNet-CA 上为 0.598 对 0.431。
支持哪些输入格式？＋
主要通过 SparseMatrix.from_iterator 接收由空格分隔的边字符串迭代器，配合列定义字符串如 complex::reflexive::entity 指定解析方式。常见模式包括 complex::reflexive::entity 表示二分图，以及两个 complex::reflexive 列表示两类实体，transient::reflexive::context 表示不嵌入的上下文字段。
Cleora.ai竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Cleora.ai本工具 | 4.2 | 免费 + 付费 | 稀疏矩阵幂运算；L2 归一化传播；两种传播类型；异构超图支持 | API |
| SPSSAU | — | 未标价 | 基于网页的统计分析平台，配备 AI 驱动的分析功能 | — |
| StarizonAI | — | 免费 $0/月；Basic $5/月；Pro $15/月；Token 加油包 $ | 用于网页数据提取和自动化的 AI 代理和浏览器助手 | Web / Chrome 侧边栏 |
| Thepanel | — | 未标价 | 开源分析平台，适用于网页和移动应用，提供 Mixpanel 替代方案 | — |
| Apify | — | Free $0 起，Starter $19/月、Scale $199/月、Bus | Apify 是一个用于网页爬取、数据提取和自动化的完整平台 | Web / API |
| OpenOs | — | 未标价 | 基于人工智能的数据和财务分析平台，使用自然语言 | — |
