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

注意事项

• k值越大，覆盖的点越广。
• 根据六度空间理论，社交网上6跳可以覆盖到所有人。
• BFS按边搜索。

示例

需要在图引擎编辑器的算法区内，选定该算法进行操作。具体操作详见使用算法分析图。

计算从Lee节点出发三跳关系组成的子图。

输入参数k=3，source=Lee，mode=OUT。子图会展示在绘图区，JSON结果会展示在查询结果区。