inputs为字典类型，dataDF是输入字符串集合，数据类型是pyspark中的DataFrame类型对象 inputs paramDF paramDF是输入的被映射的字符串集合，数据类型是pyspark中的DataFrame类型对象 输出 DataRame 参数说明 参数名 参数类型 是否必选 参数含义

查看更多 →

inputs为字典类型，dataDF是输入字符串集合，数据类型是pyspark中的DataFrame类型对象 inputs paramDF paramDF是输入的被映射的字符串集合，数据类型是pyspark中的DataFrame类型对象 输出 DataRame 参数说明 参数名 参数类型 是否必选 参数含义

查看更多 →

文章相似度 概述 支持cosine、levenshtein、jaccard和最长公共子序列四种方法计算文章的相似度。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 输出 DataRame

查看更多 →

文本相似度（高级版） 功能介绍 对文本语义相似度计算。 具体Endpoint请参见终端节点。 本API免费调用，调用限制为2次/秒。 文本相似度基础版和高级版基于不同算法实现，对相同文本，基础版和高级版的结果有所差别。根据测试数据，高级版效果一般优于基础版。 调试 您可以在API

查看更多 →

文本相似度（基础版） 功能介绍 对文本进行语义相似度计算。 具体Endpoint请参见终端节点。 调用华为云NLP服务会产生费用，本API支持使用基础套餐包，购买时请在 自然语言处理 价格计算器中查看基础套餐包和领域套餐包支持的API范围。 也可使用文本相似度（高级版）接口，详情请见

查看更多 →

紧密中心度算法（closeness） 功能介绍 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}/h

查看更多 →

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

查看更多 →

中介中心度算法（betweenness） 功能介绍 根据输入参数，执行中介中心度算法。 中介中心度算法（Betweenness Centrality）以经过某个节点的最短路径数目来刻画节点重要性的指标。 URI POST /ges/v1.0/{project_id}/hyg/{g

查看更多 →

* 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。 说明： 边上权重应大于0。 - seeds 否 节点ID String 当图较大时，运行精确betweenness较慢，可以设置seeds作为采样节点，进行近似运

查看更多 →

描述 策略的具体描述。 最近邻域数 在UserCF算法中使用，生成的相似度矩阵中为每个用户保留的若干个最相似用户。默认为100。 最小交叉度 物品和物品之间被同一用户行为记录的数量，计算相似度时，过滤掉共同记录小于最小交叉度的item。 默认值：1。 物品活跃度 物品过滤用户的活跃度阈值。

查看更多 →

参数说明 默认值 id_col 是 用户id所在的列名 "id" vector_col 是 向量的列名列表，如col1，col2 "" topn 是 输出的距离最近的向量的数目。取值范围[1,+∞) 20 distance_type 是 距离的计算方式。取值[cosine] "cosine"

查看更多 →

紧密中心度算法（Closeness Centrality） 概述 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

查看更多 →

Centrality算法参数说明 参数 是否必选 说明 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

查看更多 →

文本 TF-IDF 文本词向量 词频统计 文章相似度 字符串相似度 字符串相似度topN NGram Count PMI 关键词抽取 原子分词 文本TF-IDF 三元组转kv 文本分类 LDA 句子拆分 文本摘要 停用词过滤 语义相似距离 父主题： 模型工程

查看更多 →

。最终以SMILES为准。 选择算法：可以选择ECFP4 Tanimoto相似度或者骨架搜索。ECFP4 Tanimoto相似度是通过ECFP4指纹计算Tanimoto相似度来搜索相似度比较高的小分子。骨架搜索是通过设置分子骨架搜索具有相同骨架的分子。 选择数据库：最多可选择10个数据库。

查看更多 →

度数关联度算法（Degree Correlation） 概述 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。

查看更多 →

自然语言处理适用于智能问答系统、文本分析、内容推荐、翻译等场景。 智能问答系统 通过中文分词、短文本相似度、命名实体识别等相关技术计算两个问题对的相似度，可解决问答、对话、语料挖掘、知识库构建等问题。 文本分析 通过关键词提取、文本聚类、主题挖掘等算法模型，挖掘突发事件、公众话题导向，进行话题发现、趋势发现等。多维

查看更多 →

我的算法 操作步骤 登录行业视频管理服务后台。 选择“算法 > 我的算法”。 在我的算法页面，可以根据算法名称搜索算法，也可以单击“”，根据供应商和计费模式筛选查找算法。 父主题： 算法管理

查看更多 →

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。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm

查看更多 →

自然语言处理基础 版和领域版的区别 自然语言处理基础版接口和领域版接口基于不同算法实现，对相同文本，基础版和领域版的结果有所差别。根据测试数据，领域版效果一般优于基础版。 自然语言处理基础版接口和领域版接口所支持的计费模式也有所区别，详情请见计费说明。 表1 区分基础版和领域版的接口 接口类型

查看更多 →

、“闲聊结果”的匹配结果。 图1 问答诊断 表1 问答诊断参数说明 参数名称 参数说明 分词结果 显示用户问的分词结果，即分词后的有效词语。 短语匹配 当用户问的分词结果与知识库中语料的问题或扩展问分词结果一致时，显示该问题的具体信息。 说明： 只需与分词结果中的词语一致，不区分词语顺序。请参见

查看更多 →