华为云用户手册

响应参数 参数 类型 说明 errorMessage String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误信息。 errorCode String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误码。 jobId String 执行算法任务ID。请求失败时，字段为空。 说明： 可以利用返回的jobId查看任务执行状态、获取算法返回结果，详情参考查询Job状态(1.0.0)。 jobType Integer 任务类型。请求失败时，字段为空。

请求示例 POST http://{SERVER_URL}/ges/v1.0/{project_id}/hyg/{graph_name}/algorithm { "algorithmName":"single_vertex_circles_detection", "parameters":{ "source":66, "min_circle_length":3, "max_circle_length":7, "limit_circle_number":10000 } } SERVER_URL：图的访问地址，取值请参考业务面API使用限制。

响应示例 状态码： 200 成功响应示例 Http Status Code: 200 { "jobId": "4448c9fb-0b16-4a78-8d89-2a137c53454a001679122", "jobType": 1 } 状态码： 400 失败响应示例 Http Status Code: 400 { "errorMessage":"graph [demo] is not found", "errorCode":"GES.8402" }

响应示例 状态码： 200 成功响应示例 Http Status Code: 200 { "jobId": "4448c9fb-0b16-4a78-8d89-2a137c53454a001679122", "jobType": 1 } 状态码： 400 失败响应示例 Http Status Code: 400 { "errorMessage":"graph [demo] is not found", "errorCode":"GES.8402" }

响应参数 参数 类型 说明 errorMessage String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误信息。 errorCode String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误码。 jobId String 执行算法任务ID。请求失败时，字段为空。 说明： 可以利用返回的jobId查看任务执行状态、获取算法返回结果，详情参考查询Job状态(1.0.0)。 jobType Integer 任务类型。请求失败时，字段为空。

响应参数 参数 类型 说明 errorMessage String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误信息。 errorCode String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误码。 jobId String 执行算法任务ID。请求失败时，字段为空。 说明： 可以利用返回的jobId查看任务执行状态、获取算法返回结果，详情参考查询Job状态(1.0.0)。 jobType Integer 任务类型。请求失败时，字段为空。

请求示例 POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm { "algorithmName":"all_shortest_paths", "data_id":"0-91494cd9-e7da-4fb9-ba56-b2301967688d0000000019090", "parameters":{ "source":"1", "target":"5", "directed":true, "weight":"", "num_thread":4 } } SERVER_URL：图的访问地址，取值请参考业务面API使用限制。

请求参数 表2 请求Body参数 参数 是否必选 类型 说明 algorithmName 是 String 算法名字。 parameters 是 parameters Object 算法参数。 表3 parameters 参数 是否必选 类型 说明 source 是 String 输入路径的起点ID。 target 是 String 输入路径的终点ID，不等于source。 directed 否 Boolean 是否考虑边的方向。取值为true或false，默认值为false。 说明： false当前版本在有权图上不支持。 当数据集不包含inedge时，若directed=true，选择一个不依赖于Inedge的算法实现版本计算输出，性能会下降；若directed=false，会报错。 weight 否 String 边上权重。取值为：空或字符串，默认值为空。 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。

响应示例 状态码： 200 成功响应示例 Http Status Code: 200 { "jobId": "4448c9fb-0b16-4a78-8d89-2a137c53454a001679122", "jobType": 1 } 状态码： 400 失败响应示例 Http Status Code: 400 { "errorMessage":"graph [demo] is not found", "errorCode":"GES.8402" }

响应参数 参数 类型 说明 errorMessage String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误信息。 errorCode String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误码。 jobId String 执行算法任务ID。请求失败时，字段为空。 说明： 可以利用返回的jobId查看任务执行状态、获取算法返回结果，详情参考查询Job状态(1.0.0)。 jobType Integer 任务类型。请求失败时，字段为空。

响应示例 状态码： 200 成功响应示例 Http Status Code: 200 { "jobId": "4448c9fb-0b16-4a78-8d89-2a137c53454a001679122", "jobType": 1 } 状态码： 400 失败响应示例 Http Status Code: 400 { "errorMessage":"graph [demo] is not found", "errorCode":"GES.8402" }

查询结果 请求示例 GET http://{SERVER_URL}/ges/v1.0/{project_id}/graphs/{graph_name}/jobs/{jobId}/status?limit=limit 查询结果响应 表4 reponse_data参数说明 参数 类型 说明 community_num Integer 社团数量 communities List 各节点对应的社团，格式： [{vertexId1:communityIds},{vertexId2:communityIds}], 其中, vertexId：string类型 communityIds：list类型，每个元素为int类型。 log_likelihood Double 当前图生成模型计算出的模型节点之间连边的联合概率的log值，该值越大表示估计的社区数量越精准。

请求示例 POST http://{SERVER_URL}/ges/v1.0/{project_id}/hyg/{graph_name}/algorithm { "algorithmName":"bigclam", "parameters":{ "community_num_space":"3,2,10" } } SERVER_URL：图的访问地址，取值请参考业务面API使用限制。

请求参数 表2 请求Body参数 参数 是否必选 类型 说明 algorithmName 是 String 算法名字。 parameters 是 parameters Object 算法参数。 表3 parameters 参数 是否必选 类型 说明 convergence 否 Double 收敛精度，取值范围为(0,1)，默认值为0.00001。 max_iterations 否 Integer 最大迭代次数。API调用限制为[1,2147483647]，前端调用限制为[1,2000]，默认值为100。 community_num_space 是 String 社区数量搜索空间，多个整形值用","隔开，最多不超过100个，每个整形值的范围为[1,10000]。 learning_rate 否 Double 模型学习率，取值大于0，默认为0.01。

请求示例 POST http://{SERVER_URL}/ges/v1.0/{project_id}/hyg/{graph_name}/algorithm { "algorithmName":"label_propagation", "parameters":{ "convergence":"0.00001", "max_iterations":"1000" } } SERVER_URL：图的访问地址，取值请参考业务面API使用限制。

查询结果 请求示例 GET http://{SERVER_URL}/ges/v1.0/{project_id}/graphs/{graph_name}/jobs/{jobId}/status?limit=limit 查询结果响应 表4 reponse_data参数说明 参数 类型 说明 community List 各节点对应的社团，格式： [{vertexId1:communityId},{vertexId2:communityId}], 其中, vertexId：string类型，List按照vertexId排序 communityId：string类型。 备注：communityId本身无实意，使用的是HyG内部ID。

功能介绍 根据输入参数，执行label_propagation算法。 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。

请求参数 表2 请求Body参数 参数 是否必选 类型 说明 algorithmName 是 String 算法名字。 parameters 是 parameters Object 算法参数。 表3 parameters 参数 是否必选 类型 说明 convergence 否 Double 收敛精度，取值范围为(0,1)，默认值为0.00001。 max_iterations 否 Integer 最大迭代次数。API调用限制为[1,2147483647]，前端调用限制为[1,2000]，默认值为1000。

响应参数 参数 类型 说明 errorMessage String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误信息。 errorCode String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误码。 jobId String 执行算法任务ID。请求失败时，字段为空。 说明： 可以利用返回的jobId查看任务执行状态、获取算法返回结果，详情参考查询Job状态(1.0.0)。 jobType Integer 任务类型。请求失败时，字段为空。

响应示例 状态码： 200 成功响应示例 Http Status Code: 200 { "jobId": "4448c9fb-0b16-4a78-8d89-2a137c53454a001679122", "jobType": 1 } 状态码： 400 失败响应示例 Http Status Code: 400 { "errorMessage":"graph [demo] is not found", "errorCode":"GES.8402" }

响应参数 表2 响应Body参数说明 参数 类型 说明 errorMessage String 系统提示信息。 执行成功时，字段可能为空。 执行失败时，用于显示错误信息。 errorCode String 系统提示信息。 执行成功时，字段可能为空。 执行失败时，用于显示错误码。 data Object 查询成功时包含data字段，参数详见data参数说明。 result String 执行结果。 成功时，result值为success。 失败时，result值为failed。 表3 data 参数 类型 说明 name String 图名称。 vertex Json 包含的点标签、属性信息。 edge Json 包含的边标签、属性信息。 policy String 切分策略。 inEdge Boolean 是否包含入边。 idIndex Boolean 是否包含点ID索引。 updateTime String 图更新时间。 vertexNum Integer 点数量。 edgeNum Integer 边数量。

响应示例 状态码： 200 成功响应示例 Http Status Code: 200 { "data": [ { "name": "test", "inEdge": true, "idIndex": true, "policy": "oec", "vertexNum": 0, "edgeNum": 0 }, { "name": "movie", "inEdge": true, "idIndex": false, "policy": "oec", "updateTime": "2023-11-15 18:11:00", "vertex": [], "edge": [], "vertexNum": 146, "edgeNum": 1659 } ], "result": "success" } 状态码： 400 失败响应示例 HttpStatusCode: 404 { "errorMessage": "Not found. Please check the input parameters.", "errorCode": "GES.8000" }

请求示例 POST http://{SERVER_URL}/ges/v1.0/{project_id}/hyg/{graph_name}/ algorithm { "algorithmName": "link_prediction", "parameters": { "source": "3", "target": "15" } } SERVER_URL：图的访问地址，取值请参考业务面API使用限制。

查询结果 请求示例 GET http://{SERVER_URL}/ges/v1.0/{project_id}/graphs/{graph_name}/jobs/{jobId}/status?limit=limit 查询结果响应 表4 reponse_data参数说明 参数 类型 说明 link_prediction Double 关联预测结果 source String 输入起点ID。 target String 输入终点ID。

响应参数 参数 类型 说明 errorMessage String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误信息。 errorCode String 系统提示信息，执行成功时，字段可能为空。执行失败时，用于显示错误码。 jobId String 执行算法任务ID。请求失败时，字段为空。 说明： 可以利用返回的jobId查看任务执行状态、获取算法返回结果，详情参考查询Job状态(1.0.0)。 jobType Integer 任务类型。请求失败时，字段为空。

响应示例 状态码： 200 成功响应示例 Http Status Code: 200 { "jobId": "4448c9fb-0b16-4a78-8d89-2a137c53454a001679122", "jobType": 1 } 状态码： 400 失败响应示例 Http Status Code: 400 { "errorMessage":"graph [demo] is not found", "errorCode":"GES.8402" }

算法结果TXT格式说明 表1 算法结果的txt格式 算法 支持程度 header content e.g. all_pairs_shortest_paths 本地，OBS # runtime: {runtime} # paths_number: {paths_number} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # batch_paths: 每行为1对pair的多条路，格式： {sourceID},{targetID},"[[{sourceID},{v1},...,{targetID}],...]" # runtime: 4.411 # paths_number: 20 # data_total_size: 25 # data_return_size: 25 # data_offset: 0 # batch_paths: "121","66","[["121","25","66"]]" all_shortest_paths 本地，OBS # runtime: {runtime} # source: {source} # target: {target} # paths_number: {paths_number} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # paths: 每行为一条路，格式： {sourceID},{vertexID1},...,{targetID} # runtime: 0.207 # source: 121 # target: 66 # paths_number: 2 # data_total_size: 2 # data_return_size: 2 # data_offset: 0 # paths: 121,7,66 121,25,66 all_shortest_paths_of_vertex_sets 本地，OBS # runtime: {runtime} # source: {source} # target: {target} # paths_number: {paths_number} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # paths: 每行为一条路，格式： {sourceID},{vertexID1},...,{targetID} # runtime: 2.772 # sources: 48,129,34,36 # targets: 46,66,101 # paths_number: 15 # data_total_size: 15 # data_return_size: 15 # data_offset: 0 # paths: 36,72,101 36,59,46 36,73,46 betweenness 本地，OBS # runtime: {runtime} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # betweenness: {vertexID},{betweenness} # runtime: 1.593 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # betweenness: 79,20.697222222222223 80,12.290584415584414 81,1.5 bigclam 本地，OBS # runtime: {runtime} # community_num: {community_num} # log_likelihood: {log_likelihood} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # communities: {vertexID}, {community} # runtime: 2.754 # community_num: 1 # log_likelihood: -5593.4549824494925 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # communities: 6,0 13,0 cesna 本地，OBS # runtime: {runtime} # community_num: {community_num} # log_likelihood: {log_likelihood} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # communities: {vertexID}, {community} # runtime: 40114.213 # community_num # log_likelihood # data_total_size: 1344 # data_return_size: 1344 # data_offset: 0 # communities: 3850,3 3858,3 3866,3 closeness 本地，OBS # runtime: {runtime} # source: {source} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # closeness: {closeness} # runtime: 0.394 # source: 12 # data_total_size: 1 # data_return_size: 1 # data_offset: 0 # closeness: 0.5087719298245614 cluster_coefficient (statistic = true) 本地，OBS # runtime: {runtime} # cluster_coefficient: {cluster_coefficient} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # vertex_cluster_coefficient: {vertexID},{cluster_coefficient} # runtime: 0.661 # cluster_coefficient: 0.13517429595852912 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # vertex_cluster_coefficient: common_neighbors_of_vertex_sets 本地，OBS # runtime: {runtime} # common_neighbors: {common_neighbors} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # vertices: {vertexID} # runtime: 0.42 # common_neighbors: 26 # data_total_size: 26 # data_return_size: 26 # data_offset: 0 # vertices: 103 138 98 connected_component 本地，OBS # runtime: {runtime} # community_num: {community_num} # Max_WCC_size: {Max_WCC_size} # Max_WCC_id: {Max_WCC_id} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # community: {vertexID},{community} # runtime: 0.263 # community_num: 1 # Max_WCC_size # Max_WCC_id # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # community: 2,0 6,0 13,0 edge_betweenness 本地，OBS # runtime: {runtime} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # edge_betweenness: {sourceID},{targetID},{edge_betweenness} # runtime: 153.006 # data_total_size: 311 # data_return_size: 311 # data_offset: 0 # edge_betweenness: 51,20,1.3333333333333333 51,33,7.192099567099566 51,10,3.4761904761904763 infomap 本地，OBS # runtime: {runtime} # min_code_length: {min_code_length} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # community: {vertexID},{community} # runtime: 98.158 # min_code_length: 6.2680095519443135 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # community: 2,20000000055 6,20000000050 13,20000000014 k_hop 本地，OBS # runtime: {runtime} # source: {source} # k: {k} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # vertices: {vertexID} # runtime: 0.442 # source: 76 # k: 6 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # vertices: 2 6 13 kcore 本地，OBS # runtime: {runtime} # kmax: {kmax} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # coreness: {vertexID},{coreness} # runtime: 10.882 # kmax: 15 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # coreness: 2,14 6,15 13,15 label_propagation 本地，OBS # runtime: {runtime} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # community: {vertexID},{community} # runtime: 2.624 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # community: 2,10000000024 6,10000000024 13,10000000024 link_prediction 本地，OBS # runtime: {runtime} # source: {source} # target: {target} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # link_prediction: {link_prediction} # runtime: 0 # source: 123 # target: 43 # data_total_size: 1 # data_return_size: 1 # data_offset: 0 # link_prediction: 0.07017543859649122 louvain 本地，OBS # runtime: {runtime} # modularity: {modularity} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # community: {vertexID},{community} # runtime: 45.835 # modularity: 0.16375671670152867 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # community: 2,20000000062 6,20000000050 13,20000000050 n_paths 本地，OBS # runtime: {runtime} # source: {source} # target: {target} # paths_number: {paths_number} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # paths: 每行为一条路，格式： {sourceID},{vertexID1},...,{targetID} # runtime: 8.025 # source: 123 # target: 87 # paths_number: 100 # data_total_size: 100 # data_return_size: 100 # data_offset: 0 # paths: 123,21,87 123,13,87 123,32,87 od_betweenness 本地，OBS # runtime: {runtime} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # edge_betweenness: {sourceID},{targetID},{edge_betweenness} # runtime: 1.391 # data_total_size: 311 # data_return_size: 311 # data_offset: 0 # edge_betweenness: 51,20,0 51,33,0 51,10,0 pagerank 本地，OBS # runtime: {runtime} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # pagerank: {vertexID},{pagerank} # runtime: 4.044 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # pagerank: 2,0.007888904051903298 6,0.013215863692849642 13,0.01860530199450448 personalrank 本地，OBS # runtime: {runtime} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # personalrank: {vertexID},{personalrank} # runtime: 2.326 # source: 46 # data_total_size: 49 # data_return_size: 49 # data_offset: 0 # personalrank： 0,0.0021350905350732297 1,0.004591151406893241 shortest_path 本地，OBS # runtime: {runtime} # source: {source} # target: {target} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # path: 每行为一条路，格式： {sourceID},{vertexID1},...,{targetID} # runtime: 0.308 # source: 123 # target: 5 # data_total_size: 1 # data_return_size: 1 # data_offset: 0 # path: 123,10,137,5 shortest_path_of_vertex_sets 本地，OBS # runtime: {runtime} # source: {source} # target: {target} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # path: 每行为一条路，格式： {sourceID},{vertexID1},...,{targetID} # runtime: 1.832 # source: 24 # target: 121 # data_total_size: 1 # data_return_size: 1 # data_offset: 0 # path: 24,121 single_vertex_circles_detection 本地，OBS # runtime: {runtime} # source: {source} # min_circle_length: {min_circle_length} # max_circle_length: {max_circle_length} # limit_circle_number: {limit_circle_number} # circle_number: {circle_number} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # circles: 每行为一条路，格式： {sourceID},{vertexID1},...,{sourceID} # runtime: 37.46 # source: 122 # target: # min_circle_length: 3 # max_circle_length: 10 # limit_circle_number: 100 # circle_number: 100 # data_total_size: 100 # data_return_size: 100 # data_offset: 0 # circles: 122,82,79,76,65,122 122,125,135,77,65,122 122,82,114,96,65,122 sssp 本地，OBS # runtime: {runtime} # source: {source} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # distance: {vertexID},{distance} # runtime: 0.452 # source: 32 # data_total_size: 48 # data_return_size: 48 # data_offset: 0 # distance: 0,2 5,2 7,2 subgraph_matching 本地，OBS # runtime: {runtime} # pattern_graph: {pattern_graph} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # subgraphs: 每行为一个匹配的子图，格式： {vertexID1},{vertexID2},...,{vertexIDn} ------ statistics = true------- # runtime: 1.376 # pattern_graph: 2,3,1 # data_total_size: 1 # data_return_size: 1 # data_offset: 0 # subgraph_number: 1556 ------ statistics = false------- # runtime: 0.956 # pattern_graph: 2,3,1 # subgraph_number: 0 # data_total_size: 100 # data_return_size: 100 # data_offset: 0 # subgraphs: 0,51,126 0,51,131 0,126,113 topic_rank 本地，OBS # runtime: {runtime} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # topicrank: {vertexID},{topicrank} # runtime: 1.11 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # topicrank: 2,0.00663068274092574 6,0.007278130208954746 13,0.007869137668788257 triangle_count (statistic = true) 本地，OBS # runtime: {runtime} # triangle_count: {triangle_count} # data_total_size: {data_total_size} # data_return_size: {data_return_size} # data_offset: {data_offset} # vertex_triangles: {vertexID},{vertex_triangles} # runtime: 0.491 # triangle_count: 1653 # data_total_size: 32 # data_return_size: 32 # data_offset: 0 # vertex_triangles: 算法结果失败返回示例： Http Status Code: 400 { "errorMessage": "Unsupported output file format", "errorCode": "GES.8301" } 父主题： HyG算法API

请求示例 POST http://{SERVER_URL}/ges/v1.0/{project_id}/hyg/{graph_name}/algorithm { "algorithmName":"common_neighbors_of_vertex_sets", "parameters":{ "sources"="Alice,Nana", "targets"="Mike,Amy" } } SERVER_URL：图的访问地址，取值请参考业务面API使用限制。

响应示例 状态码： 200 成功响应示例 Http Status Code: 200 { "jobId": "4448c9fb-0b16-4a78-8d89-2a137c53454a001679122", "jobType": 1 } 状态码： 400 失败响应示例 Http Status Code: 400 { "errorMessage":"graph [demo] is not found", "errorCode":"GES.8402" }

请求参数 表2 请求Body参数 参数 是否必选 类型 说明 algorithmName 是 String 算法名字。 parameters 是 parameters Object 算法参数。 表3 parameters 参数 是否必选 类型 说明 sources 是 String 起点ID集合，标准csv格式，ID之间以英文逗号分隔，例如：“Alice,Nana”，个数不大于100000。 targets 是 String 终点ID集合标准csv格式，ID之间以英文逗号分隔，例如：“Mike,Amy”，个数不大于100000。 restricted 否 Boolean 是否带其他约束，取值为true或false，默认取值为true。 false：不带额外约束，即找到的共同邻居为起点集和终点集对应邻域的交集。 true，带额外约束，这里指找到的共同邻居不仅是起点集和终点集邻域的交集，同时共同邻居集合中的每个点都至少有2个以上邻居节点在起点集和终点集中。