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
时，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
自定义算法运行接口（当前支持Pregel编程模型） 在内置图分析算法不能满足用户需求的时候，HyG允许用户在Pregel编程模型中使用python语言实现自定义算法。其中，运行pregel自定义算法的接口是: BaseGraph.run_pregel(model:class, result_filter=None
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。
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。
表1 标签传播算法（Label Propagation）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 1000 initial
边没有对应属性时，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
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
GES基于属性图（Property graph）模型导入图数据，一个属性图是由点、边、标签（Label）和属性（Property）组成的有向图。 点又称作节点（Node），边又称作关系（Relationship），点和关系是最重要的实体。 图数据模型中的点代表实体，如交通网络中的车辆、通信
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
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
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
性时，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
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/{pro
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 Recommendati
算法内的计算控制变量。 convergence定义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。 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，选定该算法进行操作。具体操作详见使用算法分析图。
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
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。
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
基本概念 点 图数据模型中的点代表实体。如交通网络中的车辆、通信网络中的站点、电商交易网络中的用户和商品、互联网中的网页等。 边 图数据模型中的边代表关系。如社交网络中的好友关系、电商交易网络中用户评分和购买行为、论文中作者之间的合作关系、文章之间的索引关系等。 Gremlin Gremlin是Apache
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
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
