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
sources 是 起点ID集合，多个节点ID以逗号分隔（即，标准CSV输入格式） String source节点的个数不超过10000个。 - targets 是 终点ID集合，多个节点ID以逗号分隔（即，标准CSV输入格式） String target节点的个数不超过10000个。 -
sources：表示群体内包含的节点ID，最多可以输入十万个节点，节点之间需要用逗号隔开。 图1 群体演化模块 输入完成后，单击“群体演化”模块右侧的按钮，运行结果将在画布上展示。 图2 动态图展示 界面元素 说明 动态图的开始运行按钮。 动态图的播放方向，默认开启为正向播放，关闭后为反向播放。
单源最短路算法（sssp） 功能介绍 根据输入参数，执行单源最短路算法。 单源最短路算法是对于给定一个节点（称为源），给出从该源节点出发到其余各节点的最短路径长度。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
根据输入参数，执行link_prediction算法。 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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
边上权重应大于0。 - OD_pairs 否 起点终点节点对 String 标准csv格式，起点和终点以英文逗号分隔，各起点和终点节点对之间以换行符“\n”分隔，例如：“Alice,Nana\nLily,Amy”。 - seeds 否 热点事件发生地的节点ID String 当未知OD_pair
times 否 以相同的过滤条件查询的层数 Integer [1,10] 1 第一层的过滤条件是对初始节点的过滤，因此仅vertex_filter参数有效。 最后一层的点过滤条件也是对初始节点的过滤。 环路的长度范围是 3-10，因此过滤层数是 4-11 层。 表3 response_data
共同邻居算法（Common 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。
动态拓展（temporal_bfs） 功能介绍 指定某个起始节点id，结合消息传递时间递增和BFS遍历顺序（Temporal BFS算法），搜索周围与之相关联的点，输出对应各节点的到达时间，以及与源起点之间的距离。 图1 原理展示 URL POST /ges/v1.0/{proj
批量删除点(2.1.9) 功能介绍 根据批量节点ID删除节点。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/action?action_id=batch-delete 表1 路径参数 参数 是否必选 类型
批量删除点 功能介绍 根据批量节点ID删除节点。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/action?action_id=batch-delete 表1 路径参数 参数 是否必选 类型 说明 project_id
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
ojects”，其中{Endpoint}为IAM的终端节点，可以从地区和终端节点获取。 接口的认证鉴权请参见管理面API构造请求。 响应示例如下，其中projects下的“id”即为项目ID。响应示例如下，例如图引擎服务部署的区域为"cn-north-4"，相应消息体中查找“na
parameters参数说明 参数 是否必选 类型 说明 source 是 String 群体内包含的节点id，最多输入100000个节点。 temporal_vertex 否 Boolean 是否对节点执行群体演化，默认为false。 响应参数 表6 响应参数说明 参数 是否必选 类型 说明
带过滤全最短路径（Filtered All Shortest Paths）是在最短路径算法（Shortest Path）基础上支持条件过滤，寻找图中两节点之间满足条件的全最短路径。 适用场景 适用于关系挖掘、路径规划、网络规划等场景。 参数说明 表1 Filtered All Shortest
如果您的应用要求实例之间的网络延时较低，则建议您将资源创建在同一可用区内。 区域和终端节点 当您通过API使用资源时，您必须指定其区域终端节点。有关区域和终端节点的更多信息，请参阅图引擎服务的地区和终端节点。 父主题： 其他问题
度数关联度算法（Degree Correlation）计算所有边上起点和终点度数之间的Pearson关联系数，常用来表示图中高度数节点是否和高度数节点相连。 适用场景 度数关联度算法（Degree Correlation）适用于衡量图的结构特性场景。 参数说明 无。 示例 单击运
关联路径算法（n-Paths） 概述 关联路径算法（n-Paths）用于寻找图中两节点之间在层关系内的n条路径。 适用场景 关联路径算法（n-Paths）适用于关系分析、路径设计、网络规划等场景。 参数说明 表1 关联路径算法（n-Paths）参数说明 参数 是否必选 说明 类型
动态拓展 指定某个起始节点id，结合消息传递时间递增和BFS遍历顺序（temporal bfs算法），搜索周围与之相关联的点，输出对应各节点的到达时间以及和源起点之间的距离。具体操作步骤如下： 在左侧“动态图”操作区的“动态拓展”模块内填写参数： 开始和结束的时间以及属性值在上述
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_id}/hyg/{graph_name}/algorithm
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
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
