图节点向量计算与相似度分析
基于图结构生成节点向量,并执行相似节点检索、节点对相似度度量与潜在关联关系预测。
功能与用途
本功能面向知识图谱与语义网络分析,基于 Semantica 框架提供图节点向量计算及关联分析服务。用户指定节点类型或关系网络后,系统通过 Node2Vec 算法将实体转化为低维特征向量,并支持余弦或欧几里得距离计算。此外,还能预测潜在实体连边与关系得分,帮助用户快速挖掘隐藏实体联系。使用时需已构建 ContextGraph 图数据库环境。
适用场景
- 相似实体挖掘:输入目标节点 ID,在向量空间中检索结构与语义最接近的 top-N 实体节点。
- 图网络链路预测:评估两个原本无直接连边的节点间潜在关系概率,推荐潜在合作或关联网络。
- 全局节点相似度矩阵生成:对指定类别的所有实体计算两两相似度,输出高相似与低相似聚类热力摘要。
适用人群
- 知识图谱工程师
- 图算法工程师
- 数据挖掘研究员
- AI应用开发者
使用步骤
- 运行 compute 命令为图中的指定标签节点生成并存储 Node2Vec 向量。
- 调用 similar 或 batch 命令输入节点 ID 检索相似邻居列表。
- 使用 predict-link 或 top-links 预测节点间潜在关系并查看关联推荐得
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-28
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Generate, inspect, and use node/text embeddings in Semantica — compute Node2Vec embeddings, find similar nodes, score link predictions, batch similarity, and pairwise similarity. Uses NodeEmbedder, SimilarityCalculator, LinkPredictor, and AgentContext. Sub-commands: compute, similar, similarity, predict-link, top-links, batch, pairwise.
依赖与权限
- 读取用户主动提供的内容