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
PersonalRank算法 概述 PersonalRank算法又称Personalized 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
算法一览表 为满足用户各种场景需求，图引擎服务提供了丰富的基础图算法、图分析算法和图指标算法。算法简介如下表所示。 表1 算法一览表 算法 介绍 PageRank算法 又称网页排名，是一种由搜索引擎根据网页（节点）之间相互的超链接计算的技术，用来体现网页（节点）的相关性和重要性。
component）。连通分量算法（Connected Component）计算得到的是弱连通分量。 参数说明 无。 示例 单击运行，计算各个节点所属的连通分量，JSON结果会展示在查询结果区。 父主题： 算法参考
实时推荐算法（Real-time Recommendation） 概述 实时推荐算法（Real-time Recommendation）是一种基于随机游走模型的实时推荐算法，能够推荐与输入节点相近程度高、关系或喜好相近的节点。 适用场景 实时推荐算法（Real-time Reco
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
detection）,具体格式请见filters元素格式。 支持的算法： filtered_n_paths 响应示例 根据输入参数，执行指定算法，查询算法结果（根据算法请求返回的job_id，调用查询job_id接口获取算法结果）。 状态码： 200 成功响应示例 { "data":
KcoreSample K核算法 KhopSample K跳算法 ShortestPathSample 最短路径算法 AllShortestPathsSample 全最短路径算法 FilteredShortestPathSample 带一般过滤条件最短路径 SsspSample 单源最短路径算法 Sh
Louvain算法 概述 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。 适用场景 Louvain算法适用于社团发掘、层次化聚类等场景。 参数说明 表1 Louvain算法参数说明 参数
算法 代码样例文件路径 样例方法名 对应的API com.huawei.ges.graph.sdk.v1.examples.persistence testShortestPath 最短路径算法 testShortestPathOfVertexSets 点集最短路径算法 test
算法 代码样例文件路径 样例方法名 对应的API com.huawei.ges.graph.sdk.v1.examples.persistence testShortestPath 最短路径算法 testShortestPathOfVertexSets 点集最短路径算法 test
ergence）。 算法终止的条件：要么达到设置的最大迭代次数，要么满足收敛精度，满足其一即可。 一般来说，收敛精度设置得越小，迭代次数设置得越大，算法的效果越好。 在固定收敛精度的情况下，要想算法优先满足收敛精度，迭代次数设置得尽量大。 迭代次数越大，算法运行时间越长。在固定迭
TopicRank算法 概述 TopicRank算法12345热线多维度话题排序算法之一。 适用场景 适用于政务12345热线投诉话题排序。 参数说明 表1 TopicRank参数说明 参数 是否必选 说明 类型 取值范围 默认值 sources 是 节点的ID，支持多点输入，csv格式，逗号分割。
PageRank算法 概述 PageRank算法又称网页排名算法，是一种由搜索引擎根据网页（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Pag
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
detection）,具体格式请见filters元素格式。 支持的算法： filtered_n_paths 响应示例 根据输入参数，执行指定算法，查询算法结果（根据算法请求返回的job_id，调用查询job_id接口获取算法结果）。 状态码： 200 成功响应示例 { "data":
算法公共参数 请求参数 表1 请求Body参数说明 参数 是否必选 类型 说明 algorithmName 是 String 算法名字，详见具体的各个算法。 parameters 否 Object 算法参数。详情请参考各算法参数描述。 output 否 Object 结果输出参数。具体请见表2。
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。
Bigclam算法（bigclam） 功能介绍 根据输入参数，执行BigClam算法。 BigClam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，其可以检测出图中的重叠社区。 URI POST /ges/v1.
infomap算法（infomap） 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
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
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
