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
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_i
是否考虑边的方向。取值为true或者false，默认值为true。 weight 否 String 边上权重，取值为空或字符串。 当某边没有对应属性时，权重将默认为1。 空：边上的权重、距离默认为“1"。 字符串：对应的边上的属性将作为权重。 说明： 不支持对缺失属性值的默认处理，会直接报错。
是否考虑边的方向 Bool true或false false timeWindow 否 用于进行时间过滤的时间窗 Json 具体请参见表2。 - 表2 timeWindow参数说明 参数 是否必选 说明 类型 取值范围 默认值 filterName 否 用于进行时间过滤的时间属性名称
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，如发现社交场合中的共同好友、消费领域共同感兴趣的商品、社区群体共同接触过的人，进一步推测两点集合之间的潜在关系和联系程度。 适用场景 点集共同邻居算法适用于进行关系发掘、产品/好友推荐等图分析技术。
k核算法（kcore） 功能介绍 根据输入参数，执行K核算法。 K核算法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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
查询边详情(1.0.0) 功能介绍 根据边的起点、终点以及索引，查询边的详细信息，返回边上的标签和属性等。 URI GET /ges/v1.0/{project_id}/graphs/{graph_name}/edges/detail?source={sourceVertex}&
图名称。 sourceVertex 是 String 边的起点。 targetVertex 是 String 边的终点。 label（持久化版） 否 String 边的label值。 sortKey（持久化版） 否 String 重复边的sortKey值。 sortKeyType（持久化版）
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/{project_id}/
labelDetails 否 Boolean 是否返回不同label下点边的数目信息，默认为false。为true时，返回不同label的点边数目。 请求示例 查询图的点数和边数等概要信息，true表示返回不同label的点边数目。 GET http://{SERVER_URL}/ges/v1
Detection） 概述 单点环路检测（Single-Vertex-Circles-Detection）是一个经典的图问题，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。 适用场景 单点环路检测适用于交通运输、金融风控等场景。 参数说明 表1 Single-Vertex-C
点集全最短路算法（Shortest Path of Vertex Sets）用于发现两个点集之间的所有最短路径。 适用场景 点集最短路算法可应用于互联网社交、金融风控、路网交通、物流配送等场景下的区块之间关系的分析。 参数说明 表1 All Shortest Paths of Vertex Sets参数说明
String 输入路径的起点ID。 directed 否 Boolean 是否考虑边的方向。取值为true或false。 说明： false当前版本在有权图上不支持。 当数据集不包含inedge时，若directed=true，选择一个不依赖于Inedge的算法实现版本计算输出，
表3 data参数说明 参数 类型 说明 vertexNum Integer 图的点数。 edgeNum Integer 图的边数。 labelDetails（2.2.14） Object 不同label下的点边数目信息。若需要正常显示此字段，请按照表 labelDetails数据各要素说明建立点边索引。
temporal paths算法，返回距离最短的时序路径 foremost：运行foremost temporal paths算法，返回尽可能早的到达目标节点的时序路径 fastest：运行fastest temporal paths算法，返回耗费时间最短的时序路径 表4 dynamicRange
更新label 功能介绍 持久化版版本更新label的方式为全量覆盖。更新label只影响之后创建的点边，不影响已存在的点边。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/schema?label={labelName}
edges 是 Object 待查询的边数组。 表3 edges参数说明 参数 是否必选 类型 说明 source 是 String 边的source节点。 target 是 String 边的target节点。 index 否 String 边的index。 响应参数 表4 响应Body参数说明
edges 是 Object 待查询的边数组。 表3 edges参数说明 参数 是否必选 类型 说明 source 是 String 边的source节点。 target 是 String 边的target节点。 label 否 String 边的label。 sortKey 否
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}/hyg/{graph_name}/algorithm
是否必选 类型 说明 vertices 否 List 结果包含的点集合。 edges 否 List 结果包含的边集合。 请求样例 观察某些节点群体结构的动态演化过程，算法名称为temporal_graph，动态分析的开始时间为${startTime}，结束时间为${endTime}。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
