图引擎服务 GES
图引擎服务 GES
- 最新动态
- 产品介绍
- 计费说明
- 快速入门
-
用户指南
- 如何使用图引擎服务
- 准备工作
- 权限管理
- 元数据操作
- 创建图
- 管理图
- 数据迁移
- 访问图和分析图
- 查看图任务
- 配置图操作权限
- 运维监控
- 套餐包管理
-
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 Path）
- 单源最短路算法（SSSP）
- 点集最短路（Shortest Path of Vertex Sets）
- 关联路径算法（n-Paths）
- 紧密中心度算法（Closeness Centrality）
- 标签传播算法（Label Propagation）
- Louvain算法
- 关联预测算法（Link Prediction）
- Node2vec算法
- 实时推荐算法（Real-time Recommendation）
- 共同邻居算法（Common Neighbors）
- 连通分量算法（Connected Component）
- 度数关联度算法（Degree Correlation）
- 三角计数算法（Triangle Count）
- 聚类系数算法（Cluster Coefficient）
- 中介中心度算法（Betweenness Centrality）
- 边中介中心度（Edge-betweenness Centrality）
- OD中介中心度（OD-betweenness Centrality）
- 单点环路检测（Single Vertex Circles Detection）
- 点集共同邻居（Common Neighbors of Vertex Sets）
- 点集全最短路（All Shortest Paths of Vertex Sets）
- 带一般过滤条件环路检测（filtered circle detection）
- 子图匹配（Subgraph Matching）
- 带过滤全对最短路径（Filtered All Pairs Shortest Paths）
- 带过滤全最短路径（Filtered All Shortest Paths）
- TopicRank算法
- 带过滤的n_paths算法（filtered_n_paths）
- 时序路径分析（Temporal Paths）
- 开发指南
-
API参考
- 使用前必读
- API概览
- 如何调用API
- 管理面API（V2）
-
业务面API
-
内存版
- 点操作API
- 边操作API
- 元数据操作API
- 索引操作API
- Gremlin操作API
-
算法API
- 执行算法(1.0.0)
-
算法API参数参考
- 算法公共参数
- pagerank算法(1.0.0)
- personalrank算法(1.0.0)
- k核算法（kcore）(1.0.0)
- k跳算法（k_hop）(1.0.0)
- 共同邻居（common_neighbors）(1.0.0)
- 点集共同邻居(common_neighbors_of_vertex_sets)(2.2.13)
- 关联预测（link_prediction）(1.0.0)
- 最短路径（shortest_path）(2.1.5)
- 全最短路（all_shortest_paths）(1.0.12)
- 带一般过滤条件最短路径（filtered_shortest_path）(2.2.4)
- 单源最短路（sssp）(1.0.0)
- 点集最短路（shortest_path_of_vertex_sets）(2.1.5)
- 关联路径（n_paths）(1.1.2)
- 带过滤的n_paths算法（filtered_n_paths）(2.2.22)
- 带过滤全对最短路径（filtered_all_pairs_shortest_paths）(2.2.17)
- 点集全最短路(all_shortest_paths_of_vertex_sets)(2.2.15)
- 带过滤全最短路径（filtered_all_shortest_paths）(2.2.17)
- 连通分量（connected_component）(1.0.0)
- 标签传播（label_propagation）(2.1.8)
- louvain算法（louvain）(2.2.1)
- node2vec算法（node2vec）(1.0.5)
- 实时推荐（realtime_recommendation）(2.2.21)
- 度数关联度（degree_correlation）(1.0.0)
- 三角计数（triangle_count）(1.0.0)
- 聚类系数（cluster_coefficient）(1.0.0)
- 紧密中心度（closeness）(1.0.0)
- 中介中心度算法（betweenness）(2.2.4)
- 边中介中心度（edge_betweenness）(2.2.4)
- OD中介中心度（od_betweenness）（2.2.4）
- 单点环路检测（single_vertex_circles_detection）（2.2.4）
- 带一般过滤条件环路检测（filtered_circle_detection）(2.2.15)
- 子图匹配（subgraph_matching）(2.2.16)
- topicrank算法（topicrank）(2.2.20)
- 动态图分析API
- 路径API
- 图统计API
- 图操作API
- 子图操作API
- Job管理API
- 自定义操作API
- Cypher操作API（2.2.16）
- Filtered-query API(2.2.13)
- Filtered-query V2(2.3.6)
- DSL查询API（2.3.14）
- 通过导入文件更新点边的指定属性(2.2.13)
- 通过读取文件删除点边（2.2.15）
- 运维监控API
-
持久化版
- 持久化版规格说明
- 点操作API
- 边操作API
- 元数据操作API
- 索引操作API
- HyG图管理API
-
HyG算法API
- 执行算法
-
算法API参数参考
- 算法公共参数
- pagerank算法
- personalrank算法（personalrank）
- k核算法（kcore）
- k跳算法（k_hop）
- 点集共同邻居(common_neighbors_of_vertex_sets)
- 最短路径（shortest_path）
- 全最短路（all_shortest_paths）
- 全对最短路径（all_pairs_shortest_paths）
- 单源最短路算法（sssp）
- 点集最短路（shortest_path_of_vertex_sets）
- 点集全最短路（all_shortest_paths_of_vertex_sets）
- 连通分量（connected_component）
- 三角计数算法（triangle_count）
- 紧密中心度算法（closeness）
- 中介中心度算法（betweenness）
- 边中介中心度（edge_betweenness）
- OD中介中心度（od_betweenness）
- 单点环路检测（single_vertex_circles_detection）
- topicrank算法（topicrank）
- louvain算法（louvain）
- Bigclam算法（bigclam）
- Cesna算法（cesna）
- infomap算法（infomap）
- 标签传播算法（label_propagation）
- 子图匹配算法（subgraph matching）
- 关联预测算法（link_prediction）
- n_paths算法（n_paths）
- 聚类系数算法（cluster_coefficient）
- 算法结果TXT格式说明
- 执行DSL算法
- DSL语法说明
- HyG Job管理API
- 原生算法API
- 图统计API
- 图操作API
- Job管理API
- Cypher操作API
- 交互式事务API
- 运维监控API
-
内存版
- 应用示例
- 权限策略和授权项
- 云监控服务监控指标说明
- 历史API
- 附录
- 常见问题
- 视频帮助
- 文档下载
- 通用参考
链接复制成功！
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
- 英文名称：filtered_n_paths
应用场景
任意网络。
请求参数
|
字段名 |
是否必选 |
类型 |
说明 |
|---|---|---|---|
|
algorithmName |
是 |
String |
对应值为“filtered_n_paths”。 |
|
parameters |
是 |
Json格式 |
具体格式见表parameters参数说明。 |
|
filters |
是 |
JSon Array |
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。具体格式见表filters元素格式。 |
|
参数 |
是否必选 |
说明 |
类型 |
取值范围 |
默认值 |
|---|---|---|---|---|---|
|
source |
是 |
起始点 |
String |
图内部点 |
无 |
|
target |
是 |
目标点 |
String |
图内部点 |
无 |
|
k |
是 |
跳数 |
Int |
[2,6] |
2 |
|
n |
是 |
路径数 |
Int |
[1,1000] |
1 |
|
参数 |
是否必选 |
类型 |
取值范围 |
默认值 |
说明 |
|---|---|---|---|---|---|
|
edge_filter |
否 |
json |
无 |
无 |
全图查询边时的过滤条件。 |
|
vertex_filter |
否 |
json |
无 |
无 |
全图查询点时的过滤条件。 |
|
字段名 |
是否必选 |
类型 |
说明 |
|---|---|---|---|
|
path_length |
是 |
int |
路径长度。 |
|
paths_number |
是 |
int |
路径数量。 |
|
paths |
是 |
JsonArray |
路径集合，["111","119","58","96","82","57","56"]。 |
|
source |
是 |
String |
起始点。 |
|
target |
是 |
String |
目标点。 |
请求示例
POST http://IP:PORT/ges/v1.0/{project_id}/graphs/{graph_name}/action?action_id=execute-algorithm
{
"algorithmName": "filtered_n_paths",
"filters": [
{
"edge_filter":
{
"property_filter":
{
"leftvalue":
{
"label_name": "labelName"
},
"predicate": "=",
"rightvalue":
{
"value": "default"
}
}
}
}],
"parameters":
{
"k": 6,
"n": 100,
"source": "111",
"target": "56"
}
}
返回示例
{
"jobId": "b14f6380-f115-46ab-990e-9a76a984ebd2154236181",
"jobType": 2
}查询任务示例
GET http://IP:PORT/ges/v1.0/{project_id}/graphs/{graph_name}/jobs/{jobId}/status任务返回示例
{
"data": {
"outputs": {
"data_return_size": 3,
"paths": [
[
"111",
"119",
"58",
"96",
"82",
"57",
"56"
],
[
"111",
"119",
"58",
"61",
"76",
"57",
"56"
],
[
"111",
"119",
"58",
"79",
"76",
"57",
"56"
]
],
"runtime": 0.000308,
"source": "111",
"path_length": 6,
"data_offset": 0,
"paths_number": 3,
"data_total_size": 3,
"target": "56"
}
},
"status": "success"
}
父主题： 算法API参数参考
