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
点集共同邻居(common_neighbors_of_vertex_sets) 功能介绍 根据输入参数，执行点集共同邻居算法。 点集共同邻居（Common Neighbors of Vertex Sets）可以得到两个点集合（群体集合）所共有的邻居（即两个群体临域的交集），直观的发现与两个群体共同联系的对象，
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。
如何快速使用GES服务 图引擎服务（Graph Engine Service，简称GES），是国内首个商用的、拥有自主知识产权的国产分布式原生图引擎，是针对以“关系”为基础的“图”结构数据，进行查询、分析的服务。广泛应用于社交应用、企业关系分析、风控、推荐、舆情、防欺诈等具有丰富关系数据的场景。
图操作接口 图操作接口旨在为用户提供从输入、计算到输出的端到端全流程操作接口。 图属性值类型 Python DSL当前支持3种数据类型：int、float和bool，分别对应C++中的int64_t、double和bool基本数据类型。 Combiner类型 Combiner用于
三角计数算法（triangle_count） 功能介绍 根据输入参数，执行三角计数算法。 三角计数算法（Triangle Count）统计图中三角形个数。三角形越多，代表图中节点关联程度越高，组织关系越严密。 URI POST /ges/v1.0/{project_id}/hyg
权限策略和授权项 如果您需要对您所拥有的GES服务进行精细的权限管理，您可以使用统一身份认证服务（Identity and Access Management，简称IAM），如果华为云账号已经能满足您的要求，不需要创建独立的IAM用户，您可以跳过本章节，不影响您使用GES服务的其它功能。
k跳算法（k_hop） 功能介绍 根据输入参数，执行k跳算法。 k跳算法从起点出发，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中节点及其个数。 URI POST /ges/v1.0/{project
标签传播算法（label_propagation） 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
产品优势 大规模 高效的数据组织，让您更有效的对百亿节点千亿边规模的数据进行查询与分析。 高性能 深度优化的分布式图形计算引擎，为您提供高并发、秒级多跳的实时查询能力。 查询分析一体 查询分析一体化，提供丰富的图分析算法，为关系分析、路径的规划、营销推荐等业务提供多样的分析能力。
查看查询结果 数据分析结束后，您可以直接在绘图区查看结果或者在“查询结果”页签获取结果信息。 查看查询结果的具体步骤如下： 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 在执行Gremlin/Cypher/DSL查询或算法分析之后，在“查询结果”页签下，展示查询结果。
点集共同邻居（Common Neighbors of Vertex Sets） 概述 点集共同邻居（Common Neighbors of Vertex Sets）可以得到两个点集合（群体集合）所共有的邻居（即两个群体临域的交集），直观的发现与两个群体共同联系的对象，如发现社交场
动态拓展 指定某个起始节点id，结合消息传递时间递增和BFS遍历顺序（temporal bfs算法），搜索周围与之相关联的点，输出对应各节点的到达时间以及和源起点之间的距离。具体操作步骤如下： 在左侧“动态图”操作区的“动态拓展”模块内填写参数： 开始和结束的时间以及属性值在上述
应用场景 GES服务适用于互联网应用、知识图谱应用、社交网络、金融风控应用、城市工业应用、企业IT应用等场景。 互联网应用 在移动互联网时代，面对庞大的社交关系，媒体传播网络，GES可以帮助客户快速、有效的发现海量数据中隐含的信息。 该场景能帮助您实现以下功能。 推荐好友、商品或资讯
属性编辑 属性页签可展示选中点或边的属性信息，也可对单个点或边的属性进行编辑。 属性编辑的操作如下： 在绘图区选中一个点或边，单击右键，选择“查看属性”，会在右侧显示“属性”页签，展示选中点边的属性信息。 若选中的点有多个标签（label），可单击label后的下拉框来查看其它label的属性信息。
k核算法（kcore） 功能介绍 根据输入参数，执行K核算法。 K核算法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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
Bigclam算法（bigclam） 功能介绍 根据输入参数，执行BigClam算法。 BigClam算法是一种重叠社区发现算法，该算法将节点与社区之间的关系建模为一个二部图，假设图中节点的连边是根据社区关系生成的，其可以检测出图中的重叠社区。 URI POST /ges/v1.
infomap算法（infomap） 功能介绍 根据输入参数，执行infomap算法。 infomap算法是一种基于信息论的社区发现算法，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结构，其优化目标为找到最优的社区结构，使节点的层次编码长度最小。 URI POST /ges/v1
图管理简介 在“图管理”页面，您可以查看图的名称，运行状态，内网访问地址，公网访问地址，计费模式，创建时间。 “内网访问地址”可单击查看，该地址是访问图实例的浮动IP，通过单击该IP地址您可以查看访问图实例的物理IP列表。为了防止浮动IP切换造成业务闪断，推荐您通过轮询的方式使用物理IP访问图实例。
聚类系数算法（Cluster Coefficient） 概述 聚类系数表示一个图中节点聚集程度的系数。在现实的网络中，尤其是在特定的网络中，由于相对高密度连接点的关系，节点总是趋向于建立一组严密的组织关系。聚类系数算法（Cluster Coefficient）用于计算图中节点的聚集程度。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
