中介中心度算法（Betweenness Centrality） 概述 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。 适用场景 可用作社交、风控等网络中“中间人”发掘，交通、传输等网络中关键节点识别；适用于社交、金融风控、交通路网、城市规划等领域

查看更多 →

string True 修改后的句子分类名称 1.2 category_id string True 需要修改的句子分类的唯一标识 响应说明 响应状态码: 200 表3 响应体参数 序号 名称 参数类型 是否必选 说明 1.1 id string False 句子分类的唯一标识 1.2 resultCode

查看更多 →

输入小分子：可以通过输入SMILES、上传文件或者直接绘制输入小分子。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。

查看更多 →

句子管理接口 (sentencemanagement) 创建句子分类 移动句子到指定分类 删除句子 查询句子 根据句子分类的唯一标识获取分类下句子列表 更新句子 更新句子分类 删除句子分类 查询所有句子分类 创建句子 父主题： 智能质检

查看更多 →

是否必选 说明 1 data array[object] False 句子分类结果集合 1.1 category_id string False 句子分类的唯一标识 1.2 name string False 句子分类名称 2 resultCode string False 返回码

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 →

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。 适用场景 标签传播算法（Label Propagation）适用于资讯传播、广告推荐、社区发现等场景。 参数说明 表1 标签传播算法（Label Propagation）参数说明

查看更多 →

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。 取值范围：1-10000。

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 →

移动句子到指定分类 场景描述 移动句子到指定分类的接口。 接口方法 POST 接口URI https:// 域名 /apiaccess/C CS QM/rest/ccisqm/v1/sentencemanage/moveSentenceToCategory，例如域名是service.besclouds

查看更多 →

描述 text 是 Array of strings 输入的多条句子列表。 响应参数 状态码： 200 表3 响应Body参数 参数 参数类型 描述 vectors Array of objects 输入的多条句子转换的向量表示。 input_token_length Integer

查看更多 →

区分基础版和领域版的接口 接口类型 接口 自然语言处理基础 服务接口 命名实体识别（基础版） 命名实体识别（领域版） 文本相似度（基础版） 文本相似度（领域版） 语言生成 服务接口 文本摘要（基础版） 文本摘要（领域版） 语言理解 服务接口 情感分析（基础版） 情感分析（领域版）

查看更多 →

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。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 →

描述 text 是 Array of strings 输入的多条句子列表。 响应参数 状态码： 200 表3 响应Body参数 参数 参数类型 描述 vectors Array of objects 输入的多条句子转换的向量表示。 input_token_length Integer

查看更多 →

及扩展问，并按相似得分降序展示搜索结果。 初筛是比较粗略的相似度匹配算法，快速的召回一批比较有可能的问题，然后利用重排序算法去精确排序。初筛一般更关心词语是否出现，重排序对顺序、词组等的特征会综合考虑。 重排序结果 根据初筛结果，对用户问进行语义识别，并根据相似度得分重新排序，按得分倒序展示结果。

查看更多 →

根据句子分类的唯一标识获取分类下句子列表 场景描述 根据句子分类的唯一标识获取分类下句子列表接口。 接口方法 POST 接口URI https://域名/apiaccess/CCSQM/rest/ccisqm/v1/sentencemanage/querySentenceByCa

查看更多 →

输入参数source=Lee，target=Alice，计算两个节点之间的关联度，JSON结果会展示在查询结果区。 父主题： 算法参考

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。 Louvain算法 基于模块度的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区

查看更多 →

simlarity_threshold 否 0.9 相似度阈值。两张图片相似程度超过阈值时，判定为相似图片，反之按非相似图片处理。输入取值范围为0~1。 embedding_distance 否 0.2 样本特征间距。两张图片样本特征间距小于设定值，判定为相似图片，反之按非相似图片处理。输入取值范围为0~1。

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。 Louvain算法 基于模块度的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区

查看更多 →

模拟退火算法(Anneal) 模拟退火算法即Anneal算法，是随机搜索中一个简单但有效的变体，它利用了响应曲面中的平滑度。退火速率不自适应。Anneal算法从先前采样的一个试验点作为起点，然后从与先验分布相似的分布中采样每组超参数，但其密度更集中在选择的试验点周围。随着时间推移

查看更多 →