RRepoGEO

REPOGEO 报告 · LITE

thunlp/OpenNE

默认分支 master · commit 7b86f4ca · 扫描时间 2026/5/12 13:23:09

星标 1,706 · Fork 481

AI 可见性总分
54 /100
需要改进
品类召回
1 / 2
被推荐时的平均排名 #6.0
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时，AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试：当用户向 AI 提一个不带品牌、本应让 thunlp/OpenNE 浮出水面的问题时，AI 是真的推荐了你，还是推荐了你的竞品？客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highreadme#1
    Reposition the README H1 to highlight text features

    原因：

    当前
    # OpenNE (sub-project of OpenSKL)
    复制粘贴的修复
    # OpenNE: An Open-Source Toolkit for Network Embedding with Text Attributes
  • mediumtopics#2
    Expand topics to include specific features and use cases

    原因：

    当前
    network-embedding
    复制粘贴的修复
    network-embedding, graph-representation-learning, text-features, node-classification, gpu-acceleration
  • lowhomepage#3
    Add a homepage URL to the repository metadata

    原因：

    复制粘贴的修复
    [Insert relevant project or documentation URL here]

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你，还是推荐了别人？

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
1 / 2
50% 的问题里出现了 thunlp/OpenNE
平均排名
#6.0
越小越好。#1 表示首位推荐。
声量占比
8%
在所有被点名的工具中，你占了多少？
头号对手
RaRe-Technologies/gensim
在 2 个问题中被推荐 1 次
竞品排行
  1. RaRe-Technologies/gensim · 被推荐 1 次
  2. pyg-team/pytorch_geometric · 被推荐 1 次
  3. dmlc/dgl · 被推荐 1 次
  4. danielegrattarola/spektral · 被推荐 1 次
  5. graph-tool/graph-tool · 被推荐 1 次
  • 品类问题
    What open-source tools are available for network representation learning, especially with text features?
    你：未被推荐
    AI 推荐顺序：
    1. Gensim (RaRe-Technologies/gensim)
    2. PyTorch Geometric (pyg-team/pytorch_geometric)
    3. DGL (dmlc/dgl)
    4. Spektral (danielegrattarola/spektral)
    5. Graph-tool (graph-tool/graph-tool)
    6. StellarGraph (stellargraph/stellargraph)

    AI 推荐了 6 个替代方案，却始终没点名 thunlp/OpenNE。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    Comparing different network embedding algorithms for node classification tasks on GPUs?
    你：第 6 位
    AI 推荐顺序：
    1. PyTorch Geometric (PyG)
    2. Deep Graph Library (DGL)
    3. Spektral
    4. Graph Neural Network Library (GNNA)
    5. StellarGraph
    6. OpenNE ← 你
    7. Karate Club
    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议：

  • README presence
    pass

自指检查

当被直接问到你时，AI 是否还知道你的仓库存在？

  • Compared to common alternatives in this category, what is the core differentiator of thunlp/OpenNE?
    pass
    AI 明确点名了 thunlp/OpenNE

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • If a team adopts thunlp/OpenNE in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 thunlp/OpenNE

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

  • In one sentence, what problem does the repo thunlp/OpenNE solve, and who is the primary audience?
    pass
    AI 明确点名了 thunlp/OpenNE

    AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

嵌入你的 GEO 徽章

把这个徽章贴进 thunlp/OpenNE 的 README。每次重新扫描都会自动更新，并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN（README）
[![RepoGEO](https://repogeo.com/badge/thunlp/OpenNE.svg)](https://repogeo.com/zh/r/thunlp/OpenNE)
HTML
<a href="https://repogeo.com/zh/r/thunlp/OpenNE"><img src="https://repogeo.com/badge/thunlp/OpenNE.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro，解锁深度诊断

thunlp/OpenNE — 轻量扫描仍免费；本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5，轻量 2
  • 优先行动项8，轻量 3