【新开源推荐】这波开源满分！清华大学开源网络嵌入的工具包 —— OpenNE

开源最前线（ID：OpenSourceTop） 猿妹整编

综合自：开源中国、GitHub等

为了方便大家对网络表示学习（NE/NRL）开展相关的实验或研究，清华大学计算机科学与技术系的研究人员在 GitHub 上发布了 NE/NRL 训练和测试框架 OpenNE。

用于网络嵌入的开元包 OpenNE

授权协议：MIT

开发语言：Python

操作系统：跨平台

开发厂商：Apache

Github：https://github.com/thunlp/OpenNE

OpenNE 简介

OpenNE 是清华大学开源的 NE/NRL 训练和测试框架，统一了不同 NE 模型输入和输出接口，并为每个模型提供可扩展选项。此外，还用 TensorFlow 实现了经典 NE 模型，使这些模型可以用 GPU 训练。

OpenNE 实现和修改的模型包括 DeepWalk、LINE、node2vec、GraRep、TADW 和 GCN，后续还将根据已公布的 NRL 论文持续实现更多有代表性的 NE 模型。

与其他实现对比

运行环境：CPU：Intel（R）Xeon（R）CPU E5-2620 v3 @ 2.40GHz

下面是在不同数据集上对不同方法的节点分类结果。将表征维度设置为 128，GraRep 中的 kstep=4，node2vec 中 p=1，q=1。

BlogCatalog：10312 nodes, 333983 edges, 39 labels, 非定向：

● data/blogCatalog/bc_adjlist.txt

● data/blogCatalog/bc_edgelist.txt

● data/blogCatalog/bc_labels.txt

Wiki：2405 nodes, 17981 edges, 19 labels, 定向：

● data/wiki/Wiki_edgelist.txt

● data/wiki/Wiki_category.txt

cora：2708 nodes, 5429 edges, 7 labels, 定向：

• data/cora/cora_edgelist.txt

• data/cora/cora.features

• data/cora/cora_labels.txt

配置需求

OpenNE 的配置需求如下：

● numpy==1.13.1

● networkx==2.0

● scipy==0.19.1

● tensorflow==1.3.0

● gensim==3.0.1

● scikit-learn==0.19.0

该项目还在持续开发中，此后还将根据已公布的 NRL 论文发表持续实现更多有代表性的 NE 模型。同时也欢迎其他研究者在该框架中构建 NE 模型到这个工具包中，也会公布项目中的贡献内容。

附：新开源报道汇总

《【新开源报道 6】百度开源移动端深度学习框架mobile-deep-learning（MDL）》

《【新开源报道 5】百度正式开源其 RPC 框架 brpc》

《【新开源报道 4】IBM 开源动态的应用服务器运行时环境 Open Liberty》

---

●本文编号67，以后想阅读这篇文章直接输入67即可

●输入m获取文章目录

↓↓↓ 点击"阅读原文" 进入GitHub详情页