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
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
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
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
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
通过内网访问时，endpoint为GES Console界面上的私网IP或者图详情查询API返回结果里面的“privateIp”字段。 通过公网访问时，endpoint为GES Console界面上的公网IP或者图详情查询API返回结果里面的“publicIp”字段。 - graphName 图实例的名称
如果您的应用要求实例之间的网络延时较低，则建议您将资源创建在同一可用区内。 区域和终端节点 当您通过API使用资源时，您必须指定其区域终端节点。有关区域和终端节点的更多信息，请参阅图引擎服务的地区和终端节点。 父主题： 其他问题
度数关联度算法（Degree Correlation）计算所有边上起点和终点度数之间的Pearson关联系数，常用来表示图中高度数节点是否和高度数节点相连。 适用场景 度数关联度算法（Degree Correlation）适用于衡量图的结构特性场景。 参数说明 无。 示例 单击运
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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
连通分量算法（Connected Component） 概述 连通分量代表图中的一个子图，当中所有节点都相互连接。考虑路径方向的为强连通分量（strongly connected component），不考虑路径方向的为弱连通分量（weakly connected compone
子图查询(2.1.13) 功能介绍 查询输入的节点和它们之间所有边所构成的子图。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/subgraphs/action?action_id=query 表1 路径参数 参数 是否必选
算法的思想，利用图链接结构来递归计算各节点的重要性。与PageRank算法不同的是，为了保证随机行走中各节点的访问概率能够反映出用户的偏好，PersonalRank算法在随机行走中的每次跳转会以（1-alpha）的概率返回到source节点。 URI POST /ges/v1.0
起点集和终点集邻域的交集，同时共同邻居集合中的每个点都至少有2个以上邻居节点在起点集和终点集中。 true 表2 response_data参数说明 参数 类型 说明 vertices List 公共邻居节点，格式： [vertexId,...], 其中, vertexId：string类型
起点集和终点集邻域的交集，同时共同邻居集合中的每个点都至少有2个以上邻居节点在起点集和终点集中。 true 表2 response_data参数说明 参数 类型 说明 vertices List 公共邻居节点，格式： [vertexId,...], 其中, vertexId：string类型
构来递归计算各节点的重要性。与PageRank算法不同的是，为了保证随机行走中各节点的访问概率能够反映出用户的偏好，PersonalRank算法在随机行走中的每次跳转会以（1-alpha）的概率返回到source节点，因此可以基于source节点个性化地计算网络节点的相关性和重要
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_id}/hyg/{graph_name}/algorithm
动态拓展 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和源起点之间的距离。具体操作步骤如下： 在左侧“动态图”操作区的“动态拓展”模块内填写参数： 开始和结束的时间以及属性值在上述
List<NetworkDetail> 节点网络详情。 表4 overview参数说明 参数 类型 说明 ges_instance_name String 节点名称。 instance_id String 节点ID。 work_ip String 具有该label的点的数量。 role String 节点角色。 cpu_usage
理，对k跳过程进行逐层过滤，列出满足过滤条件的第k跳节点或边。Filtered-query接口说明可参考Filtered-query API。 在图引擎编辑器左侧探索区的“路径拓展模块”内，填写以下参数： 路径起点：查询起始节点ID列表。有以下几种方法可以查询： 框选点的方式：画布上已经有点的情况下，
k跳算法（k-hop） 概述 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。 适用场景 k跳算法（k-hop）适用于关系发现、影响力预测、好友推荐等场景。 参数说明 表1
标签：统计当前画布中所有的标签名称和对应的点边数量。 节点权重Top10：当前图中边数量最多的十个节点。 以下图统计信息为例，图中共有7个标签。标签为FUND_PRODV的点有5个，标签为FIN_PRODV的点有3个。 图中权重最大的是节点id为1101的点，共有5条边。排名第十的是节点id为1103的点，共有1条边。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
