文档首页 > > 用户指南> 算法参考>

k跳算法(k-hop)

k跳算法(k-hop)

分享
更新时间:2020/12/14 GMT+08:00

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

表1 k跳算法(k-hop)参数说明

参数

是否必选

说明

类型

取值范围

默认值

k

跳数

Integer

1~100

-

source

节点的ID

String

-

-

mode

方向:

  • OUT:沿出边跳
  • IN:沿入边跳
  • ALL:双向跳

String

OUT,IN,ALL

OUT

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

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。

分享:

    相关文档

    相关产品