检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
filterName 否 用于进行时间过滤的时间属性名称 String 字符串：对应的点/边上的属性作为时间 - filterType 否 在点或边上过滤 String V：点上 E：边上 BOTH：点和边上 BOTH startTime 否 起始时间 String Date型字符串或时间戳
parameters参数说明 参数 是否必选 类型 说明 source 是 String 群体内包含的节点id，最多输入100000个节点。 temporal_vertex 否 Boolean 是否对节点执行群体演化，默认为false。 响应参数 表6 响应参数说明 参数 是否必选 类型 说明
filterName 否 用于进行时间过滤的时间属性名称 String 字符串：对应的点/边上的属性作为时间 - filterType 否 在点或边上过滤 String V：点上 E：边上 BOTH：点和边上 BOTH startTime 否 起始时间 String Date型字符串或时间戳
点集最短路（shortest_path_of_vertex_sets） 功能介绍 根据输入参数，执行点集最短路算法。 点集最短路（shortest_path_of_vertex_sets）用于发现两个点集之间的最短路径。 URI POST /ges/v1.0/{project_i
点集全最短路（all_shortest_paths_of_vertex_sets） 功能介绍 根据输入参数，执行点集全最短路算法。 点集全最短路（all_shortest_paths_of_vertex_sets）用于发现两个点集之间的所有最短路径。 URI POST /ges/v1
graph_name 是 String 图名称。 请求参数 表2 Body参数说明 参数 是否必选 类型 说明 vertex 否 Json 点属性列表，如果列表为空，则不会同步点属性。参数详见vertex、edge参数说明。 首次执行数据同步时，该参数生效，后续执行数据同步，该参数默认跟首次指定的保持一致。
Double tomcat连接数使用率。 qps Long 每秒请求个数。 vertex_number Long 点个数。 vertex_capacity Long 点容量。 vertex_usage Double 点使用率。 edge_number Long 边个数。 edge_capacity
添加点label(1.1.6) 功能介绍 添加点label。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/{vertex_id}/labels 表1 路径参数 参数 是否必选 类型 说明 project_id
删除点(1.0.6) 功能介绍 删除点。 URI DELETE /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/{vertex_id} 表1 路径参数 参数 是否必选 类型 说明 project_id 是 String 项目ID。获取方法请参见获取项目ID。
{ "label": "movie", "type": "vertex", "properties": [ {
最后一个文件名 01.015.txt 031.000.txt 01.01.txt 03.00.txt 00.00.txt 百亿图进行数据导出时，为多节点数据同时导出，文件名前会使用机器id编号作为前缀。 响应参数 表5 响应Body参数说明 参数 类型 说明 errorMessage String
参数 是否必选 类型 说明 sources 是 String 节点的ID，支持多点输入，csv格式，逗号分割。当前仅支持少于等于100000个 id输入。 actived_p 否 Double 初始sources节点对应的权重初始值，取值范围[0,100000]，默认值为1。 default_p
此边在源节点边集合中的索引。 表4 Filters元素格式 参数 是否必选 类型 说明 operator 是 String 表示要做的查询类型，可选的值有： inV：入点 outV：出点 bothV：入点和出点 vertex：所有节点。第一层filter可用，若起始传入节点，则第一
Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 适用场景
Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 URI
给出从给定的一个节点（称为源节点）出发到其余各节点的最短路径长度。 适用场景 单源最短路算法（SSSP）适用于网络路由、路径设计等场景。 参数说明 表1 单源最短路算法（SSSP）参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 节点的ID。 String
Centrality） 概述 紧密中心度算法（Closeness Centrality）计算一个节点到所有其他可达节点的最短距离的倒数，进行累积后归一化的值。紧密中心度可以用来衡量信息从该节点传输到其他节点的时间长短。节点的“Closeness Centrality”越大，其在所在图中的位置越靠近中心。
关联预测算法（Link Prediction） 概述 关联预测算法（Link Prediction）给定两个节点，根据Jaccard度量方法计算两个节点的相似程度，预测节点之间的紧密关系。 适用场景 关联预测算法（Link Prediction）适用于社交网上的好友推荐、关系预测等场景。
Node2vec算法通过调用word2vec算法，把网络中的节点映射到欧式空间，用向量表示节点的特征。 Node2vec算法通过回退参数 P 和前进参数 Q 来生成从每个节点出发的随机步，带有BFS和DFS的混合，回退概率正比于1/P，前进概率正比于1/Q。每个节点出发生成多个随机步，反映出网络的结构信息。
上后一条边的经过时间要晚于或等于前一条边，呈现时间递增（或非减）性。 时序路径不满足传递性：即从节点i到节点j有一条时序路径，从节点j到节点k有一条时序路径，并不能说明从节点i到节点k有一条时序路径。因此在求解问题上，相较于静态图上的路径求解复杂度升高，计算难度变大，但时序路径分
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
