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。
要求
numpy==1.13.1
networkx==2.0
scipy==0.19.1
tensorflow==1.3.0
gensim==3.0.1
scikit-learn==0.19.0
与其他实现对比
运行环境：CPU：Intel（R）Xeon（R）CPU E5-2620 v3 @ 2.40GHz
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
