正在生成
详细信息:
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
graph_name 是 String 图名称。 请求示例 执行指定算法,算法名字为pagerank,算法的权重系数为0.85,收敛精度为0.00001,最大迭代次数为1000,考虑边的方向。 POST http://{SERVER_URL}/ges/v1.0/{project_id}
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
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
根据输入参数,执行连通分量(Connected Component)算法。 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 component)。连通分量算法(Connected
parameters 参数 是否必选 类型 说明 statistics 否 Boolean 是否仅输出总的统计量结果,取值为true或false,默认为true。 true:仅输出总的统计数量。 false:输出各点对应三角形数量。 响应参数 参数 类型 说明 errorMessage
indexType 是 String 索引的类型。区分大小写。“GlobalCompositeVertexIndex”为全局的Composite类型的点索引。 hasLabel 否 String 是否有label,默认为false。 true false indexProperty 否(若
parameters 参数 是否必选 类型 说明 statistics 否 Boolean 是否仅输出总的统计量结果,取值为true或false,默认取值为true。 true:仅输出总的平均聚类系数。 false:额外输出各点对应聚类系数。 directed 否 Boolean 是否
String 执行该异步任务的jobId。 说明: 可以查询jobId查看任务执行状态、获取返回结果,详情参考Job管理API。 图数据库中的悬空边(边存在,但是边的source节点或target节点不存在)不会同步到HyG引擎。 请求示例 图数据库的更新信息同步到HyG计算引擎
查询结果。请求失败时字段为空。 表3 data参数说明 参数 类型 说明 outputs Integer 删除label时,被删除的相关点/边数量。 请求示例 删除label,同时删除该label相关的点、边。 DELETE http://{SERVER_URL}/ges/v1.0/{project_id
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 /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
Amy”,个数不大于100000。 directed 否 Boolean 是否考虑边的方向。取值为true或false。默认取值为false。 说明: 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,性能会下降;若directed=false,会报错。
d=true,选择一个不依赖于Inedge的算法实现版本计算输出,性能会下降;若directed=false,会报错。 weight 否 String 边上权重。取值为:空或字符串。 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,当某边没有对应属性时,权重将默认为1。
是否带其他约束,取值为true或false,默认取值为true。 false:不带额外约束,即找到的共同邻居为起点集和终点集对应邻域的交集。 true,带额外约束,这里指找到的共同邻居不仅是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。 响应参数 参数 类型
说明 directed 否 Boolean 是否考虑边的方向。取值为true或false,默认值为false。 weight 否 String 边上权重。取值为:空或字符串。 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,当某边没有对应属性时,权重将默认为1。
PageRank算法。该算法继承了经典PageRank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
rue,选择一个不依赖于Inedge的算法实现版本计算输出,性能会下降;若directed=false,会报错。 weight 否 String 边上权重。取值为:空或字符串,默认值为空。 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,当某边没有对应属性时,权重将默认为1。
功能介绍 根据输入参数,执行infomap算法。 infomap算法是一种基于信息论的社区发现算法,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,其优化目标为找到最优的社区结构,使节点的层次编码长度最小。 URI POST /ges/v1.0/{project_id}
根据网页(节点)之间相互的超链接进行计算的技术,用来体现网页(节点)的相关性和重要性。 如果一个网页被很多其他网页链接到,说明这个网页比较重要,也就是其PageRank值会相对较高。 如果一个PageRank值很高的网页链接到其他网页,那么被链接到的网页的PageRank值会相应地提高。
2000],默认值为100。 weight 否 String 边上权重,取值为空或字符串, 当图中的边没有配置该属性时,算法会报错。 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。 OD_pairs和seeds参数二选一,当OD_pairs和seeds同时输
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