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
k核算法（k-core） 概述 k核算法（k-core）是图算法中的一个经典算法，用以计算每个节点的核数。其计算结果是判断节点重要性最常用的参考值之一，较好的体现了节点的传播能力。 适用场景 k核算法（k-core）适用于社区发现、金融风控等场景。 参数说明 表1 k核算法（k-core）参数说明
response_data参数说明 参数 是否必选 类型 说明 path 是 List 点的结果集合。filters最后一层为点过滤时，data中将包含vertices。 source 是 String 源节点ID。 target 是 String 目标节点ID。 runtime 是 Double 算法运行时间 。
false：输出各点对应三角形数量。 Boolean true或false，默认为true。 表2 response_data参数说明 参数 类型 说明 triangle_count Integer 三角形个数 vertex_triangles List 各节点的三角形个数，格式：
sources 是 起点ID集合，多个节点ID以逗号分隔（即，标准CSV输入格式） String source节点的个数不超过10000个。 - targets 是 终点ID集合，多个节点ID以逗号分隔（即，标准CSV输入格式） String target节点的个数不超过10000个。
批量点查(1.1.9) 功能介绍 根据批量节点ID查询节点信息，返回这些节点的详情，包括标签和属性等。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/action?action_id=batch-query
批量点查 功能介绍 根据批量节点ID查询节点信息，返回这些节点的详情，包括标签和属性等。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/action?action_id=batch-query 表1 路径参数
动态拓展（temporal_bfs） 功能介绍 指定某个起始节点id，结合消息传递时间递增和BFS遍历顺序（Temporal BFS算法），搜索周围与之相关联的点，输出对应各节点的到达时间，以及与源起点之间的距离。 图1 原理展示 URL POST /ges/v1.0/{proj
根据输入参数，执行Cesna算法。 Cesna算法是一种重叠社区发现算法，该算法将节点与社区之间的关系建模为一个二部图，假设图中节点的连边是根据社区关系生成的。此外，该算法还利用了节点属性对社区进行建模，即假设节点的属性也是根据社区关系生成的。 URI POST /ges/v1.0/{pr
快速获取n个随机点。 init 重新初始化点匹配器的点集。 insert 向点匹配器中增加匹配的点集。 move 将other_match_vertex中的点集快速移动至match_vertex匹配器。 subgraph 主要用于return语句，可以支持返回点匹配器match_vertex的诱导子图。
filterName 是 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
根据某个过滤条件查询点，比如点元数据中含有age属性，过滤条件可以为age>18。 查询点详情 1.0.0 GET/ges/v1.0/{project_id}/graphs/{graph_name}/vertices/detail?vertexIds={vertex_ids} 给定一个点或者一
共同邻居算法（Common Neighbors）是一种常用的基本图分析算法，可以得到两个节点所共有的邻居节点，直观地发现社交场合中的共同好友、以及在消费领域共同感兴趣的商品，进一步推测两个节点之间的潜在关系和相近程度。 适用场景 共同邻居算法（Common Neighbors）适用于电商、社交等多领域的推荐场景。
Coefficient） 概述 聚类系数表示一个图中节点聚集程度的系数。在现实的网络中，尤其是在特定的网络中，由于相对高密度连接点的关系，节点总是趋向于建立一组严密的组织关系。聚类系数算法（Cluster Coefficient）用于计算图中节点的聚集程度。 适用场景 聚类系数算法（Cluster
单源最短路算法（sssp） 功能介绍 根据输入参数，执行单源最短路算法。 单源最短路算法是对于给定一个节点（称为源），给出从该源节点出发到其余各节点的最短路径长度。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
根据输入参数，执行link_prediction算法。 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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
k-core是图算法中的一个经典算法，用以计算每个节点的核数。其计算结果是判断节点重要性最常用的参考值之一，较好的刻画了节点的传播能力。 k跳算法（k-hop） 从起点出发，通过宽度优先搜索（BFS），找出k层与之关联的所有节点。找到的子图称为起点的ego-net。k跳算法会返回ego-net中节点的个数。 最短路径（Shortest
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_filter 否 JSON String 作用在下一跳的点上。具体格式见表 property_filter元素格式。 edge_filter 否 JSON String 作用在点到点之间的边。具体格式见表
当前的Cypher查询编译过程中使用了基于label的点边索引，如需正常使用Cypher，请使用新建索引API构建索引，示例如下： 点label索引添加命令示例，索引名称为cypher_vertex_index，索引类型为全局点索引。 POST http://{SERVER_URL}/ges/v1
其中subgraph的格式为： [vertex1,vertex2,…],其中vertex为string类型， 每个子图的点与pattern_graph的点一一对应。 pattern_graph 是 List 格式为：[vertex1,vertex2,…],其中vertex为string类型。 subgraph_number
批量删除点(2.1.9) 功能介绍 根据批量节点ID删除节点。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/action?action_id=batch-delete 表1 路径参数 参数 是否必选 类型
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
