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
k核算法（kcore） 功能介绍 根据输入参数，执行K核算法。 K核算法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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
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。
Match<Vertex>的gather Match<Vertex>上的Gather操作会将传入的Lambda函数中定义的所有操作作用在Match匹配的点的边上。 点匹配器Match仅接收包含两个输入参数的Lambda表达式。第一个参数指代边上的source点，第二个参数指代边上的target点。
是否必选 类型 说明 vertices 否 List 结果包含的点集合。 edges 否 List 结果包含的边集合。 请求样例 观察某些节点群体结构的动态演化过程，算法名称为temporal_graph，动态分析的开始时间为${startTime}，结束时间为${endTime}。
根据网页（节点）之间相互的超链接进行计算的技术，用来体现网页（节点）的相关性和重要性。 如果一个网页被很多其他网页链接到，说明这个网页比较重要，也就是其PageRank值会相对较高。 如果一个PageRank值很高的网页链接到其他网页，那么被链接到的网页的PageRank值会相应地提高。
动态图的表示形式粒度最细，保留信息更加全面。 本服务支持连续型动态图的建模方式： 例如图2，此图数据由3个点和3条边组成，Vivian、P1和P2表示点，（Vivian，P1）、（Vivian，P2）和（Vivian、Vivian）表示边，Person、Place表示点的类型（标
过滤条件列表 ：执行重复的过滤条件列表，数组的每个元素分别对应每一层要做的查询和过滤条件。 图2 过滤条件列表 您需要设置以下参数： 跳数：想要过滤的条件数。 过滤条件：和跳数的数量相对应，即有几个跳数就有几个过滤条件。单击过滤条件框会弹出设置过滤条件的窗口，在窗口内输入过滤条件语法。
点文件存储路径：用于存放从数据源的数据库导出的点数据。 边文件存储路径：用于存放从数据源的数据库导出的边数据。 日志存放路径：用于存放导入时产生的日志文件。 图9 存储路径配置 全部填写完成后，单击创建，在“数据迁移”页签查看迁移任务进度及结果。 图10 查看迁移结果 可以单击操作列的“详情”，查看每个点边数据集的任务状态。
条件过滤 为了方便用户对图数据的分析，可以通过设置条件过滤，对图数据进行进一步的过滤分析。 具体操作如下： 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 单击绘图区右侧的，或者在绘图区，选中一个点，单击右键，选择“查看属性”，显示“条件过滤及属性”页面。 在“条件过滤及属性”区，设置条件，然后单击“过滤”。
String 处理方式，取值为allow，ignore和override，默认为allow。 allow表示允许重复边。 ignore表示忽略之后的重复边。 override表示覆盖之前的重复边。 ignoreLabel 否 Boolean 重复边的定义，是否忽略Label。取值为true或者false，默认取true。
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 批量删除边，边的起点分别为39631050_景观和27803870_地标建筑，边的终点分别为27803870_地标建筑和27661363_山庄温泉。 POST http://{SERVER_URL}/ges/v1
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 批量删除边，边的起点分别为39631050_景观和27803870_地标建筑，边的终点分别为27803870_地标建筑和27661363_山庄温泉。 POST http://{SERVER_URL}/ges/v1
PageRank算法。该算法继承了经典PageRank算法的思想，利用图链接结构来递归计算各节点的重要性。与PageRank算法不同的是，为了保证随机行走中各节点的访问概率能够反映出用户的偏好，PersonalRank算法在随机行走中的每次跳转会以（1-alpha）的概率返回到source节点。 URI
Shortest Path）寻找两点间满足过滤条件的最短路径，如有多条，返回任意一条最短路径。 适用场景 带一般过滤条件的最短路径算法（Filtered Shortest Path）适用于路径设计、网络规划等场景，通过对点边条件的过滤，控制最短路径的生成。 参数说明 表1 带一般过滤条件最短路径算法（Filtered
连通分量算法（Connected Component） 概述 连通分量代表图中的一个子图，当中所有节点都相互连接。考虑路径方向的为强连通分量（strongly connected component），不考虑路径方向的为弱连通分量（weakly connected component）。连通分量算法（Connected
PageRank算法。该算法继承了经典PageRank算法的思想，利用图链接结构来递归计算各节点的重要性。与PageRank算法不同的是，为了保证随机行走中各节点的访问概率能够反映出用户的偏好，PersonalRank算法在随机行走中的每次跳转会以（1-alpha）的概率返回到source节点，因此可以
根据输入参数，执行紧密中心度算法。 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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
说明 directed 否 Boolean 是否考虑边的方向。取值为true或false，默认值为false。 weight 否 String 边上权重。取值为：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。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
