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
louvain算法（louvain） 功能介绍 根据输入参数，执行Louvain算法。 Louvain算法是基于模块度的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区结构，其优化目标是最大化整个社区网络的模块度。 URI POST /ges/v1.0/{p
Pregel编程接口 用户在实现UserPregelAlgorithm中的方法init和compute时主要依赖于PregelContext对象，该对象提供如下API： 表1 PregelContext API 方法和属性 描述 说明 ext_id(nid)->int 获取当前点
三角计数算法（triangle_count） 功能介绍 根据输入参数，执行三角计数算法。 三角计数算法（Triangle Count）统计图中三角形个数。三角形越多，代表图中节点关联程度越高，组织关系越严密。 URI POST /ges/v1.0/{project_id}/hyg
连通分量（connected_component）(1.0.0) 当前该算法不需要输入parameters参数就可以运行。 表1 response_data参数说明 参数 类型 说明 Max_WCC_size Integer 最大连通分量中节点的个数 Max_WCC_id String
OD中介中心度（od_betweenness）（2.2.4） 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 directed 否 是否考虑边的方向 Boolean true或者false true weight 否 边上权重 String 空或字符串
k跳算法（k_hop） 功能介绍 根据输入参数，执行k跳算法。 k跳算法从起点出发，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中节点及其个数。 URI POST /ges/v1.0/{project
聚类系数算法（cluster_coefficient） 功能介绍 根据输入参数，执行cluster_coefficient算法。 聚类系数算法（cluster_coefficient）用于计算图中节点的聚集程度。 URI POST /ges/v1.0/{project_id}/h
全最短路（all_shortest_paths） 功能介绍 根据输入参数，执行全最短路算法。 全最短路（all_shortest_paths）用以解决图论研究中的一个经典算法问题，旨在寻找图中两节点之间所有的最短路径。 URI POST /ges/v1.0/{project_id
OD中介中心度（od_betweenness） 功能介绍 根据输入参数，执行OD中介中心度算法。 OD中介中心度算法（od_betweenness）在已知一系列OD出行计划前提下，以经过某个点/某条边的最短路径数目来刻画边重要性的指标。 URI POST /ges/v1.0/{p
标签传播算法（label_propagation） 功能介绍 根据输入参数，执行label_propagation算法。 标签传播算法（Label 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
图实例的稳定运行提供保驾护航的能力。该功能对图实例所使用磁盘、网络、OS指标数据，集群运行关键性能指标数据进行收集、监控、分析，及时暴露数据库中关键故障及性能问题，指导客户进行优化解决。 图实例运维监控看板只支持：2.3.17及以上版本的内存版图或2.4.8及以上版本的持久化版图。
标签传播（label_propagation）(2.1.8) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 convergence 否 收敛精度。 Double 0~1，不包括0和1。 0.00001 max_iterations 否 最大迭代次数。
紧密中心度算法（closeness） 功能介绍 根据输入参数，执行紧密中心度算法。 紧密中心度算法（Closeness Centrality）计算一批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。 URI POST /ges/v1.0/{project_id}/h
Cesna算法（cesna） 功能介绍 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。
点集共同邻居(common_neighbors_of_vertex_sets) 功能介绍 根据输入参数，执行点集共同邻居算法。 点集共同邻居（Common Neighbors of Vertex Sets）可以得到两个点集合（群体集合）所共有的邻居（即两个群体临域的交集），直观的发现与两个群体共同联系的对象，
全对最短路径（all_pairs_shortest_paths） 功能介绍 根据输入参数，执行全对最短路径算法。 全对最短路径（all_pairs_shortest_paths）是寻找图中任意两点之间满足条件的最短路径。 URI POST /ges/v1.0/{project_i
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
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
带过滤的n_paths算法（filtered_n_paths）(2.2.22) 概述 带过滤的n_paths算法是给定起始点source、目的点target、跳数k、路径数n、过滤条件filters，找出source和target间不多于n条的k跳无环路径。 算法名称：带过滤的n_paths
单点环路检测（single_vertex_circles_detection） 功能介绍 根据输入参数，执行单点环路检测算法。 单点环路检测（single_vertex_circles_detection）意在寻找图中的环路，环路上的点较好地体现了该点的重要性。 URI POST
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
