-
最短路径算法(Shortest Path) - 图引擎服务 GES
最短路径算法(Shortest Path) 概述 最短路径算法(Shortest Path)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最短路径。 适用场景 最短路径算法(Shortest Path)适用于路径设计、网络规划等场景。 参数说明 表1 最短路径算法(Shortest
-
louvain算法(louvain) - 图引擎服务 GES
louvain算法(louvain) 功能介绍 根据输入参数,执行Louvain算法。 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。 URI POST /ges/v1.0/{p
-
执行算法(1.0.0) - 图引擎服务 GES
String 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
-
聚类系数算法(cluster - 图引擎服务 GES
聚类系数算法(cluster_coefficient) 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}/h
-
topicrank算法(topicrank) - 图引擎服务 GES
topicrank算法(topicrank) 功能介绍 根据输入参数,执行TopicRank算法。 TopicRank算法12345热线多维度话题排序算法之一,适用于政务12345热线投诉话题排序。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
-
node2vec算法(node2vec)(1.0.5) - 图引擎服务 GES
node2vec算法(node2vec)(1.0.5) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 P 否 回退参数。 Double 大于0 1 Q 否 前进参数。 Double 大于0 1 dim 否 映射维度。 Integer 1~200,包括1和200。
-
k跳算法(k-hop) - 图引擎服务 GES
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。
-
关联预测算法(Link Prediction) - 图引擎服务 GES
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。
-
算法参考 - 图引擎服务 GES
算法参考 算法一览表 PageRank算法 PersonalRank算法 k核算法(k-core) k跳算法(k-hop) 最短路径算法(Shortest Path) 全最短路算法(All Shortest Paths) 带一般过滤条件最短路径(Filtered Shortest
-
中介中心度算法(betweenness) - 图引擎服务 GES
中介中心度算法(betweenness) 功能介绍 根据输入参数,执行中介中心度算法。 中介中心度算法(Betweenness Centrality)以经过某个节点的最短路径数目来刻画节点重要性的指标。 URI POST /ges/v1.0/{project_id}/hyg/{g
-
带过滤的n - 图引擎服务 GES
带过滤的n_paths算法(filtered_n_paths)(2.2.22) 概述 带过滤的n_paths算法是给定起始点source、目的点target、跳数k、路径数n、过滤条件filters,找出source和target间不多于n条的k跳无环路径。 算法名称:带过滤的n_paths
-
k跳算法(k - 图引擎服务 GES
k跳算法(k_hop) 功能介绍 根据输入参数,执行k跳算法。 k跳算法从起点出发,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中节点及其个数。 URI POST /ges/v1.0/{project
-
执行算法 - 图引擎服务 GES
执行算法 功能介绍 根据输入参数,执行指定算法。 URL POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数 参数 是否必选 类型 说明 project_id 是 String 项目ID。获取方法请参见获取项目ID。
-
k核算法(kcore)(1.0.0) - 图引擎服务 GES
k核算法(kcore)(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 k 是 核数。 算法会返回核数大于等于k的节点。 Integer 大于等于0。 - 表2 response_data参数说明 参数 类型 说明 coreness
-
三角计数算法(Triangle Count) - 图引擎服务 GES
三角计数算法(Triangle Count) 概述 三角计数算法(Triangle Count)统计图中三角形个数。三角形越多,代表图中节点关联程度越高,组织关系越严密。 适用场景 三角计数算法(Triangle Count)适用于衡量图的结构特性场景。 参数说明 参数 是否必选
-
执行DSL算法 - 图引擎服务 GES
执行DSL算法 功能介绍 提供灵活的DSL帮助用户低成本设计并运行算法。DSL算法详细介绍请参考DSL语法说明。 DSL算法执行结束后,用户需使用HyG算法结果转存API将DSL执行结果转存到OBS上。转存之后,您可以通过stdout等文件查看算法结果,由于HyG图是分布式的,结果文件可能有多个,对应不同分区的结果。
-
紧密中心度算法(Closeness Centrality) - 图引擎服务 GES
紧密中心度算法(Closeness Centrality) 概述 紧密中心度算法(Closeness Centrality)计算一个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。紧密中心度可以用来衡量信息从该节点传输到其他节点的时间长短。节点的“Closeness
-
算法结果TXT格式说明 - 图引擎服务 GES
算法结果TXT格式说明 表1 算法结果的txt格式 算法 支持程度 header content e.g. all_pairs_shortest_paths 本地,OBS # runtime: {runtime} # paths_number: {paths_number} # data_total_size:
-
k跳算法(k - 图引擎服务 GES
k跳算法(k_hop)(1.0.0) 表1 parameters参数说明 参数 是否必选 类型 说明 k 是 Integer 跳数,取值范围[1,100]。 num_thread 否 Integer 并发线程数。范围为[1,40],小于1会自动置为1,大于40则自动置为40。默认值为4。
-
中介中心度算法(Betweenness Centrality) - 图引擎服务 GES
中介中心度算法(Betweenness Centrality) 概述 中介中心度算法(Betweenness Centrality)以经过某个节点的最短路径数目来刻画节点重要性的指标。 适用场景 可用作社交、风控等网络中“中间人”发掘,交通、传输等网络中关键节点识别;适用于社交、金融风控、交通路网、城市规划等领域