AI Skill 大全

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

  1. 运行 compute 命令为图中的指定标签节点生成并存储 Node2Vec 向量。
  2. 调用 similar 或 batch 命令输入节点 ID 检索相似邻居列表。
  3. 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。

查看 MCP 接入说明

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

同类 Skill