图解图计算技术
管理面API（V1） 系统管理API 图管理API 备份管理API 元数据管理API 任务中心API 父主题： 历史API
删除图的具体操作步骤如下： 登录图引擎服务管理控制台。 在左侧导航栏，选择“图管理”。 在图管理列表中，选择需删除的图，在“操作”列选择“更多 > 删除”。 在弹出的确认提示框中，需要选择： 是否删除“公网IP”（没有绑定EIP的图没有该选项），若不释放弹性公网IP则会继续计费。
Node2vec算法 概述 Node2vec算法通过调用word2vec算法，把网络中的节点映射到欧式空间，用向量表示节点的特征。 Node2vec算法通过回退参数 P 和前进参数 Q 来生成从每个节点出发的随机步，带有BFS和DFS的混合，回退概率正比于1/P，前进概率正比于1/
共同邻居算法（Common Neighbors） 概述 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
清空数据的具体操作步骤如下： 登录图引擎服务管理控制台，在左侧导航栏，选择“图管理”。 在图管理列表中，选择需清空数据的图，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）。
请求条件包括条件键和运算符，条件键表示策略语句的 Condition 元素，分为全局级条件键和服务级条件键。全局级条件键（前缀为g:）适用于所有操作，服务级条件键（前缀为服务缩写，如ges）仅适用于对应服务的操作。运算符与条件键一起使用，构成完整的条件判断语句。
系统策略 云服务在IAM预置了常用的授权项，称为系统策略。给用户组授权时，可以直接使用这些系统策略，但系统策略只能使用，不能修改。 GES系统策略包括GES FullAccess，GES Development及GES ReadOnlyAccess。
GES资源 资源是服务中存在的对象。在GES中，资源如下，您可以在创建自定义策略时，通过指定资源的路径来选择特定资源。
算法API 执行算法(1.0.0) 算法API参数参考 父主题： 内存版
路径API 查询路径详情(1.1.6) 父主题： 内存版
算法API 最短路径（Shortest Path）(1.0.0) 点集最短路（Shortest Path of Vertex Sets）(1.0.0) 标签传播（Label Propagation）(1.0.0) Louvain算法(1.0.0) 父主题： 业务面API
获取账号名和账号ID 在调用接口的时候，部分请求中需要填入账号名（domain name）和账号ID（domain_id），所以需要先在管理控制台上获取到账号ID。账号ID获取步骤如下： 登录管理控制台。 鼠标移动至用户名，在下拉列表中单击“我的凭证”。 在“API凭证”页面的查看
在“服务选型”页面，设置以下参数： 选择想要创建的模板。当前支持“资产管理图模板”和“供电管理图模板”。 图1 模板选择 选择网络信息。可参考自定义创建图章节的参数介绍，填写相关参数信息。
算法一览表 为满足用户各种场景需求，图引擎服务提供了丰富的基础图算法、图分析算法和图指标算法。算法简介如下表所示。
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
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。
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（
标签传播算法（Label Propagation） 概述 标签传播算法（Label Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点
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
