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
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。 参数说明
查询边详情 功能介绍 根据边的起点、终点以及索引，查询边的详细信息，返回边上的标签和属性等。 URI GET /ges/v1.0/{project_id}/graphs/{graph_name}/edges/detail?source={sourceVertex}&target=
不要删除存储在OBS中的数据。 导入目录下的单文件或者导入的单文件大小不能超过5GB，如果超过5GB，则会导入失败，建议把文件拆成小于5GB的多个文件后再导入。 单次导入的文件总大小（包括点、边数据集）不能超过可用内存的1/5。可用内存参考“运维监控看板”的“节点监控”中名称后缀
属性页签可展示选中点或边的属性信息，也可对单个点或边的属性进行编辑。 属性编辑的操作如下： 在绘图区选中一个点或边，单击右键，选择“查看属性”，会在右侧显示“属性”页签，展示选中点边的属性信息。 若选中的点有多个标签（label），可单击label后的下拉框来查看其它label的属性信息。 图1
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 Centrality”越大，其在所在图中的位置越靠近中心。 适用场景 紧密中心度算法（Closeness
查询边详情(1.0.0) 功能介绍 根据边的起点、终点以及索引，查询边的详细信息，返回边上的标签和属性等。 URI GET /ges/v1.0/{project_id}/graphs/{graph_name}/edges/detail?source={sourceVertex}&
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
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
类型 取值范围 默认值 directed 否 是否考虑边的方向 Boolean true或者false true weight 否 边上权重 String 空或字符串 * 空：边上的权重、距离默认为“1”。 * 字符串：对应的边上的属性将作为权重，当某边没有对应属性时，权重将默认为1。
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。 参数说明 表1 关联预测算法（Link Prediction）参数说明
理”。 在图管理列表中，选择需删除的图，在“操作”列选择“更多”>“清空数据”。 图1 清空数据 在弹出的确认提示框中，勾选是否“清空图中的元数据”（持久化版的图需要先选择图名称）。 勾选“清空图中的元数据”后，会重置图，清空所有数据和运行中的任务。 元数据清空后不可恢复，请谨慎操作。
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
Paths：表示距离最短的时序路径。 Foremost Temporal Paths：表示尽可能早的到达目标节点的时序路径。 Fastest Temporal Paths ：表示耗费时间最短的时序路径。 适用场景 适用于疫情或疾病传播溯源、信息传播和舆情分析、结合时序的路径规划、资金流通路径等场景。
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
批量边查 功能介绍 根据批量边的起点、终点以及索引，查询这些边的详细信息，返回边的标签和属性等。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/edges/action?action_id=batch-query 表1 路径参数
量导入。 操作步骤 在图管理页面，选择需要导入数据的图，在“操作”列选择“导入”。 在弹出的导入提示框中，填写以下数据： 首先单击元数据、边数据集和点数据集后的“下载模板”按钮，将下载的三个模板放入已有的OBS桶路径下。 下载的模板中已包含一份电影数据，可直接使用。 元数据：需要创建后才能导入。
业务面SDK支持Java和Python两种语言，Java SDK有以下两种情况： Maven源可用：有配置maven源，且maven源可以从开源仓库下载jar包。 Maven源不可用：没有配置maven源或者maven源不能从开源仓库下载jar包。 下载SDK 下载相应的SDK和驱动，具体操
批量边查(1.1.6) 功能介绍 根据批量边的起点、终点以及索引，查询这些边的详细信息，返回边的标签和属性等。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/edges/action?action_id=batch-query
否 查询的起始节点ID集合 String - 标准csv格式，ID之间以英文逗号分隔，例如：["Alice","Nana"] n 否 枚举的满足过滤条件的圈的个数的上限 Integer [1,100000] 100 statistics 否 是否输出所有满足过滤条件的圈的个数 Boolean
x} 根据边的源点和目的点查询边的详情，包括边的Label信息。 批量边查询 1.1.6 POST/ges/v1.0/{project_id}/graphs/{graph_name}/edges/action?action_id=batch-query 批量查询边的详情。 批量添加边
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
