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
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。
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
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
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
HyG对缺失属性进行了默认处理支持。 seeds 否 String 节点ID，输入节点个数不大于100000。 当图较大时，运行精确betweenness较慢，可以设置seeds作为采样节点，进行近似运算，seeds节点越多越接近精确解。 k 否 Integer 采样个数，k不大于100000。
批量删除点 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 说明 project_id
例如您1月1日购买了百万边的3个实例的套餐，购买时长1年，则该套餐在该年12月31日会自动结束，即使您该年内未使用图实例，该套餐包也不会延期，且无法退还费用。为了节省您的费用，建议您购买预付费节点后立即创建图实例，或创建完实例后再购买预付费包。 欠费 按需购买的接口是按照每小时
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
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/{p
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
sources：表示群体内包含的节点ID，最多可以输入十万个节点，节点之间需要用逗号隔开。 图1 群体演化模块 输入完成后，单击“群体演化”模块右侧的按钮，运行结果将在画布上展示。 图2 动态图展示 界面元素 说明 动态图的开始运行按钮。 动态图的播放方向，默认开启为正向播放，关闭后为反向播放。
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
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。 -
获取项目ID的接口为“GET https://{Endpoint}/v3/projects”，其中{Endpoint}为IAM的终端节点，可以从地区和终端节点获取。 接口的认证鉴权请参见管理面API构造请求。 响应示例如下，其中projects下的“id”即为项目ID。响应示例如下，例
String Date型字符串或时间戳 - 注意事项 最短路径算法（Shortest Path）只返回一条最短路径。 示例 计算从Lee节点到Alice节点的一条最短路径。 输入参数source=Lee，target=Alice，weight=weights，directed=fals
times 否 以相同的过滤条件查询的层数 Integer [1,10] 1 第一层的过滤条件是对初始节点的过滤，因此仅vertex_filter参数有效。 最后一层的点过滤条件也是对初始节点的过滤。 环路的长度范围是 3-10，因此过滤层数是 4-11 层。 表3 response_data
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。
将默认为1。 说明： 边上权重应大于0。 - seeds 否 节点ID String 当图较大时，运行betweenness较慢，可以设置seeds作为采样节点，进行近似运算，seeds节点越多越接近准确解。输入节点个数不大于100000。 - k 否 采样个数 Integer
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
