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
图解图计算技术
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，因此可以基于source节点个性化地计算网络节点的相关性
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性（PersonalRank值越高，对source节点的相关性/重要性越高）。 k核算法（k-core） 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，较好的刻画了节点的传播能力。
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 单击运行，计算图的度数关联度，JSON结果会展示在查询结果区。
Centrality）参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 输入需要计算的节点ID String - - 示例 输入参数source=Lee，计算Lee节点的紧密中心度，JSON结果会展示在查询结果区。 父主题： 算法参考
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
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
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
图操作接口旨在为用户提供从输入、计算到输出的端到端全流程操作接口。 图属性值类型 Python DSL当前支持3种数据类型：int、float和bool，分别对应C++中的int64_t、double和bool基本数据类型。 Combiner类型 Combiner用于在满足交换律和结合律的计算过程中对数
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 Coefficient）适用于衡量图的结构特性场景。 参数说明 无。 使用说明 不考虑多边情况。 示例 单击运行，计算图的聚类系数，JSON结果会展示在查询结果区。 父主题：
GES支持绑定公网IP，所需费用按照虚拟私有云（VPC）服务的EIP计费规则进行计费；GES在华为云内部网络产生的流量不计费。 图引擎服务计费详情及样例，请参见产品价格详情。您可以通过图引擎服务提供的价格计算器，选择您需要的图规格，快速计算出创建图的参考价格。
其值为空时，将不考虑点的类型，输出算法原始计算结果。 对其赋值时，将从计算结果中过滤出具有该“label”的点的返回。 String 节点label - directed 否 是否考虑边的方向。 Boolean true 或false true alpha决定跳转概率系数，也称为阻尼系数，是算法内的计算控制变量。
单源最短路算法（SSSP） 概述 单源最短路算法（SSSP）计算了图论中的一个经典问题，给出从给定的一个节点（称为源节点）出发到其余各节点的最短路径长度。 适用场景 单源最短路算法（SSSP）适用于网络路由、路径设计等场景。 参数说明 表1 单源最短路算法（SSSP）参数说明 参数
eakly connected 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
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。
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的偏好，PersonalRank算法在随机
否 终止时间 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，dir
true或false false 注意事项 无。 示例 输入参数source =Lee，target =Alice，directed=false。计算结果会展示在绘图区，JSON结果会展示在查询结果区。 父主题： 算法参考
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
//带有globalAcc一起计算的表达式， 属于globalacc expression 1+v.score*2 //带有vertexAcc一起计算的表达式， 属于vertexacc expression 表达式升格表 不同类型的表达式在赋值和计算上，存在不同的限制。即，不同类型互相之间的赋值和计算是否合法的限制。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
