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
关联路径算法（n-Paths） 概述 关联路径算法（n-Paths）用于寻找图中两节点之间在层关系内的n条路径。 适用场景 关联路径算法（n-Paths）适用于关系分析、路径设计、网络规划等场景。 参数说明 表1 关联路径算法（n-Paths）参数说明 参数 是否必选 说明 类型
功能介绍 根据输入参数，执行cluster_coefficient算法。 聚类系数算法（cluster_coefficient）用于计算图中节点的聚集程度。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1
Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 适用场景
Shortest Paths） 概述 全最短路径算法（All Shortest Paths）用以解决图论研究中的一个经典算法问题，旨在寻找图中两节点之间的所有最短路径。 适用场景 全最短路径算法（All Shortest Paths）适用于路径设计、网络规划等场景。 参数说明 表1 全最短路径算法（All
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，但时序路径分析在实际生活中用途很广，例如计算出行路线，模拟/搜索信息传播路径等。
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，点属性列表为空，边属性列表的属性名称为“Rating”、label名称为“rate”。
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。
产品优势 大规模 高效的数据组织，让您更有效的对百亿节点千亿边规模的数据进行查询与分析。 高性能 深度优化的分布式图形计算引擎，为您提供高并发、秒级多跳的实时查询能力。 查询分析一体 查询分析一体化，提供丰富的图分析算法，为关系分析、路径的规划、营销推荐等业务提供多样的分析能力。
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
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
Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 URI
批量点查 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 表1 路径参数
查询点详情 功能介绍 根据节点ID查询节点信息，返回节点详情，包括标签和属性等。 URI GET /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/detail?vertexIds={vertex_ids} 表1 路径参数 参数
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。
查询点详情(1.0.0) 功能介绍 根据节点ID查询节点信息，返回节点详情，包括标签和属性等。 URI GET /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/detail?vertexIds={vertex_ids} 表1
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
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。 计费模式 当前提供两
//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。
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
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。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
