检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
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。
删除元数据 当元数据文件失效后，您可以在“元数据管理”页面，对应的元数据文件“操作”列中单击“删除”，来删除元数据文件。 数据删除后无法恢复，请谨慎操作。 图1 删除元数据 父主题： 元数据操作
历史查询 在运维监控页面左侧导航栏单击“监控>历史查询”，进入历史查询页面，该页面展示了图实例历史上运行过的异步任务的详情（和业务面任务中心展示的一样）。 图1 历史查询页面 父主题： 监控
实时查询 在运维监控页面左侧导航栏单击“监控>实时查询”，进入实时查询页面，将会展示了当前运行在实例中的所有查询的实时信息。在该页面，您可以根据选择的指定时间段浏览实例中正在运行的所有查询信息。其中包括：请求ID、任务名称、请求参数、进度、阻塞时长、开始时间、结束时间、运行时长。 图1
登录图引擎服务管理控制台，在左侧导航栏中选择“图管理”。 在图管理页面，选中想要修改安全组的图，页面下方将会显示该图的信息。 图1 图详情页签 在图信息详情中，可以查看当前图的安全组，单击“更改安全组”，在右侧弹出的“更改安全组”页签中进行选择其他安全组。 更改完成后，单击“确定”即可。 父主题：
关联路径算法（n-Paths）用于寻找图中两节点之间在层关系内的n条路径。 适用场景 关联路径算法（n-Paths）适用于关系分析、路径设计、网络规划等场景。 参数说明 表1 关联路径算法（n-Paths）参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 输入路径的起点ID String -
Neighbors）是一种常用的基本图分析算法，可以得到两个节点所共有的邻居节点，直观地发现社交场合中的共同好友、以及在消费领域共同感兴趣的商品，进一步推测两个节点之间的潜在关系和相近程度。 适用场景 共同邻居算法（Common Neighbors）适用于电商、社交等多领域的推荐场景。 参数说明
登录图引擎服务管理控制台。 在左侧导航栏，选择“图管理”。 在图管理列表中，选择需绑定EIP图，在“操作”列选择“更多”>“绑定EIP”。 在弹出的“绑定EIP”页面中，选择可用EIP。 若无可用EIP，请单击“创建EIP”，购买并创建成功后，单击刷新，再选择使用。 图1 绑定EIP 单击“确定”，完成绑定。
对于该source节点的随机游走将提前结束。 Int 1~2000 1000 label 否 希望输出的点的类型。 说明： 其值为空时，将不考虑点的类型，输出算法原始计算结果。 对其赋值时，将从计算结果中过滤出具有该“label”的点的返回。 String 节点label - directed
连通分量算法（Connected Component） 概述 连通分量代表图中的一个子图，当中所有节点都相互连接。考虑路径方向的为强连通分量（strongly connected component），不考虑路径方向的为弱连通分量（weakly connected component）。连通分量算法（Connected
登录图引擎服务管理控制台，在左侧导航栏选择“备份管理”。 在备份列表中，选择需要删除的备份数据，在“操作”列，单击“删除”。 在弹出的对话框中，单击“是”删除数据。 数据删除后无法恢复，请谨慎操作。 未删除的图的自动备份数据不能删除。 父主题： 备份图和恢复图
Paths）参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 输入路径的起点ID String - - target 是 输入路径的终点ID String - - directed 否 是否考虑边的方向 Bool true或false false 注意事项 无。 示例 输入参数source
在图引擎管理控制台，单击左侧导航栏的“元数据管理”。 在“元数据管理”页面，单击左上角“导入”。 在“导入”页面，您可以在“类型”中选择从“本地”或从“OBS”中导入元数据。 从本地导入 “选择本地文件”：单击“上传”，选择本地的文件。 文件格式必须为xml格式。 “名称”：元数据在图引擎服务中的文件名称。
Integer 跳数，取值范围[1,100]。 num_thread 否 Integer 并发线程数。范围为[1,40]，小于1会自动置为1，大于40则自动置为40。默认值为4。 source 是 String 节点的ID。 mode 否 String 方向，取值如下： OUT：沿出边跳。 IN：沿入边跳。
关联预测算法（Link Prediction）给定两个节点，根据Jaccard度量方法计算两个节点的相似程度，预测节点之间的紧密关系。 适用场景 关联预测算法（Link Prediction）适用于社交网上的好友推荐、关系预测等场景。 参数说明 表1 关联预测算法（Link Prediction）参数说明
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 表1
source 是 输入路径的起点ID String - - target 是 输入路径的终点ID String - - directed 否 是否考虑边的方向 Bool true或false false weight 否 边上权重 String 空或字符串 空：边上的权重、距离默认为“1”。
k核算法（k-core） 概述 k核算法（k-core）是图算法中的一个经典算法，用以计算每个节点的核数。其计算结果是判断节点重要性最常用的参考值之一，较好的体现了节点的传播能力。 适用场景 k核算法（k-core）适用于社区发现、金融风控等场景。 参数说明 表1 k核算法（k-core）参数说明
单源最短路算法（SSSP） 概述 单源最短路算法（SSSP）计算了图论中的一个经典问题，给出从给定的一个节点（称为源节点）出发到其余各节点的最短路径长度。 适用场景 单源最短路算法（SSSP）适用于网络路由、路径设计等场景。 参数说明 表1 单源最短路算法（SSSP）参数说明 参数
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 Centrality”越大，其在所在图中的位置越靠近中心。 适用场景 紧密中心度算法（Closeness
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
