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
迭代次数（iterations）和收敛精度（convergence）。 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。
权重将默认为“1” 说明： 边上权重应大于0。 weight 关于迭代次数（iterations）和收敛精度（convergence）参数如何调节，请参考迭代次数和收敛精度的关系。 表2 reponse_data参数说明 参数 类型 说明 modularity Double 模块度。
权重将默认为“1”。 说明： 边上权重应大于0。 weight 关于迭代次数（iterations）和收敛精度（convergence）参数如何调节，请参考迭代次数和收敛精度的关系。 表2 reponse_data参数说明 参数 类型 说明 community List 各节点对应的社团(community)，格式：
有对应属性时，权重将默认为“1”。 说明： 边上权重应大于0。 关于迭代次数（iterations）和收敛精度（convergence）参数如何调节，请参考迭代次数和收敛精度的关系。 表2 response_data参数说明 参数 类型 说明 source String - personalrank
标签传播算法（Label Propagation） 概述 标签传播算法（Label 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
功能介绍 根据输入参数，执行label_propagation算法。 标签传播算法（Label 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
convergence为每次迭代各个点相较于上次迭代变化的绝对值累加和上限，当小于这个值时认为计算收敛，算法停止。 收敛精度（convergence）设置较大值时，迭代会较快停止。 注意事项 收敛精度（convergence）设置较大值时，迭代会较快停止。 示例 需要在图引擎编辑器的算法区内，选定该
parameters Object 算法参数。 表3 parameters 参数 是否必选 类型 说明 convergence 否 Double 收敛精度，取值范围为(0,1)，默认值为0.00001。 max_iterations 否 Integer 最大迭代次数。API调用限制为[1,2
parameters Object 算法参数。 表3 parameters 参数 是否必选 类型 说明 convergence 否 Double 收敛精度，取值范围为(0,1)，默认值为0.00001。 max_iterations 否 Integer 最大迭代次数。API调用限制为[1,2
节点的ID String - - alpha 否 权重系数 Double 0~1，不包括0和1 0.85 convergence 否 收敛精度 Double 0~1，不包括0和1 0.00001 max_iterations 否 最大迭代次数 Int 1~2000 1000 directed
Propagation）(1.0.0) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 convergence 否 收敛精度。 Double 0~1，不包括0和1。 0.00001 max_iterations 否 最大迭代次数。 Integer 1~2000。
Louvain算法(1.0.0) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 convergence 否 收敛精度。 Double 0~1，不包括0和1。 0.00001 max_iterations 否 最大迭代次数。 Integer 1~2000。
一条边的经过时间），在画布上呈现点、边随时间递增（或非减）的变化趋势。 该功能可以通过strategy参数调整搜索的是距离最短的时序路径，还是尽早到达目标节点的时序路径。具体操作步骤如下： 在左侧“动态图”操作区的“时序路径”模块内填写参数： 开始和结束的时间以及属性值：在上述章
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 是否必选 说明 类型 取值范围 默认值 convergence 否 收敛精度 Double 0~1，不包括0和1 0.00001 max_iterations 否 最大迭代次数 Int 1~2000 100 weight
true或false。 false alpha 否 权重系数。 String 0~1，不包括0和1。 0.85 convergence 否 收敛精度。 String 0~1，不包括0和1。 0.00001 max_iterations 否 最大迭代次数。 Integer API调用限制
布尔型 true或false。 false alpha 否 权重系数。 实数 0~1，不包括0和1。 0.85 convergence 否 收敛精度。 实数 0~1，不包括0和1。 0.00001 max_iterations 否 最大迭代次数。 正整数 1~2000。 1000 directed
项目ID。获取方法请参见获取项目ID。 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/{proje
项目ID。获取方法请参见获取项目ID。 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/{proje
parameters Object 算法参数。 表3 parameters 参数 是否必选 类型 说明 convergence 否 Double 收敛精度，取值范围为(0,1)，默认值为0.00001。 max_iterations 否 Integer 最大迭代次数。API调用限制为[1,2
alpha 否 Double 权重系数(又称阻尼系数)。取值范围为（0,1），默认值为0.85。 convergence 否 Double 收敛精度。取值范围（0,1），默认值为0.00001。 max_iterations 否 Int 最大迭代次数。API调用限制为[1,2147483647]，前端调用限制为[1
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
