説明
Cleoraは、決定論的で高精度のグラフ埋め込みを提供するように設計された画期的なRustベースのグラフ埋め込みエンジンです。ランダムウォーク、ネガティブサンプリング、GPUクラスターに依存する従来のメソッドとは異なり、Cleoraは単一のスパース行列べき乗で可能なすべてのウォークの正確な分布を計算します。このアプローチはノイズと確率的近似を排除し、完璧な再現性と単一CPUコアでの計算速度の大幅な向上を保証します。
続きを読む
Cleoraの革新の中核はそのアルゴリズムにあります。入力グラフからスパース遷移行列を構築し、型付き、多関係エッジを持つ異種ハイパーグラフをネイティブに処理します。この遷移行列との行列乗算の各イテレーションは、特定の長さのウォークの完全な分布を捉えます。これにL2正規化伝播が続き、各ノードの埋め込みは隣接ノードの埋め込みの正規化された平均に更新されます。このプロセスでは、共起類似性には数回のイテレーションで十分であり、文脈類似性にはさらに数回必要ですが、サンプリングベースの手法よりも桁違いに高速です。
Cleoraの主な利点には、速度、精度、効率が含まれます。GraphSAGEよりも最大240倍高速であり、NetMFのような他のライブラリよりも大幅に少ないメモリを使用します。このエンジンはデフォルトで決定論的であり、再現可能な研究および本番MLパイプラインにとって重要です。異種ハイパーグラフをネイティブにサポートしており、複雑なグラフの前処理の必要性を排除します。さらに、Cleoraはnumpyとscipyのみを依存関係として約5MBという最小限のインストールサイズを誇り、GPUドライバーのインストールや重いフレームワークの煩わしさを回避します。
Cleoraは本番環境に対応しており、安定した帰納的な埋め込みを提供し、グラフ全体を再トレーニングすることなく新しいノードの埋め込みをサポートします。その機能は、レコメンデーションシステム、ナレッジグラフ、エンティティ解決、不正検出、創薬など、さまざまなアプリケーションに及びます。Zomatoのような事例研究では、GraphSAGEをCleoraに置き換え、数百万人のユーザーの埋め込み生成時間を20時間未満から5分未満に短縮するなど、エンジンの効率が強調されています。
Cleoraは、比較のための組み込み代替アルゴリズム、埋め込み品質を評価するための豊富な評価スイート、グラフサンプリング機能、ハイパーパラメータチューニングを含む包括的なツールスイートを提供します。スクリプトおよびCI/CDパイプラインへの簡単な統合のためのCLIツールも含まれています。ライブラリ全体はオープンソースであり、無料で利用、変更、デプロイでき、GPUベースの代替手段と比較して費用対効果の高いソリューションを提供します。
- カテゴリー機械学習とデータサイエンス
- 料金モデルオープンソース
- デプロイCPUのみ
- プラットフォームWeb
Cleora Graph Embedding Engineの主要機能
スパース行列べき乗による決定論的なグラフ埋め込み計算
CPUのみで実行、GPU不要
型付き、多関係エッジを持つ異種ハイパーグラフをネイティブに処理
ランダムウォークサンプリングとスキップグラムトレーニングを排除
実世界のグラフで高い精度を達成
GPUベースおよびサンプリングベースの手法よりも大幅に高速
最小限の依存関係と小さなインストールサイズ（約5MB）
再トレーニングなしで新しいノードの帰納学習をサポート
比較のための組み込み代替アルゴリズムを含む
埋め込み品質のための豊富な評価スイートを提供
スクリプトおよびCI/CD統合のためのCLIツールを提供
オープンソースで、無料で利用、変更、デプロイ可能
Cleora Graph Embedding Engineの使い方は？
インストール: pip install pycleora
入力データ: TSV形式のエッジリスト、インタラクションログ、またはナレッジトリプルを入力します。
グラフ構築: Cleoraは入力データから異種ハイパーグラフを構築します。
行列べき乗: スパース遷移行列とそのべき乗を計算してウォーク分布を捉えます。
埋め込み生成: L2正規化伝播により、決定論的な埋め込みベクトルが生成されます。
下流ML: 生成された埋め込みをレコメンデーション、分類、検索などに利用します。
Cleora Graph Embedding Engineの使用例
- レコメンデーションシステム
- ナレッジグラフ
- エンティティ解決
- 不正検出
- ソーシャルネットワーク分析
- 創薬
- サプライチェーン最適化
- 顧客セグメンテーション
