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
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
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, URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数 参数 是否必选 类型
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,如发现社交场合中的共同好友、消费领域共同感兴趣的商品、社区群体共同接触过的人,进一
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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数 参数 是否必选 类型 说明
数据源名称:自定义名称,长度在4位到50位之间,必须以字母开头,不区分大小写,可以包含字母、数字、下划线,不能包含其他的特殊字符。 数据源类型:按实际数据源选择,目前支持Mysql、神通数据库、Oracle、DWS、Hive。 图名称:选择需要导入数据的图。 网段CIDR:数据源所在子网的网段。 访问IP地址:数据源的数据库的IP。
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 表1 共同邻居参数说明
点集全最短路算法(Shortest Path of Vertex Sets)用于发现两个点集之间的所有最短路径。 适用场景 点集最短路算法可应用于互联网社交、金融风控、路网交通、物流配送等场景下的区块之间关系的分析。 参数说明 表1 All Shortest Paths of Vertex Sets参数说明
图数据模型中的点代表实体,如交通网络中的车辆、通信网络中的站点、电商交易网络中的用户和商品、互联网中的网页等。 图数据模型中的边代表关系,如社交网络中的好友关系、电商交易网络中用户评分和购买行为、论文中作者之间的合作关系、文章之间的索引关系等。 如果点被删除了,基于该点的边会自动删除。
Gremlin命令怎么执行和查看运行结果? 执行 在图编辑器页面,您可以在此页面对当前图进行查询分析,在页面下方的Gremlin输入框中,输入一行Gremlin命令后,按“回车”键执行。 查看结果 执行Gremlin命令后在“运行记录”可以看到命令运行情况,在“查询结果”可以看到
点集最短路(shortest_path_of_vertex_sets)用于发现两个点集之间的最短路径。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数 参数 是否必选 类型 说明 project_id 是 String
取值为“vertex”或“edge”或“all”。默认值为“all”,表示label作用于点和边。 properties 是 Object 待添加属性数组。数组元素为property,具体参数介绍请见表4。 表4 property参数说明 参数 是否必选 类型 说明 name 是
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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数
支持的表达式,函数及过程 表达式 Cypher查询支持多种的表达式,可以组合成丰富的过滤条件,目前支持的表达式如下: 运算类型 表达式 举例&备注 逻辑运算 and match (n:user) where n.age='Under 18' and n.gender='F' return
点集全最短路(all_shortest_paths_of_vertex_sets)用于发现两个点集之间的所有最短路径。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数 参数 是否必选 类型 说明 project_id 是
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。 适用场景 标签传播算法(Label Propagation)适用于资讯传播、广告推荐、社区发现等场景。 参数说明 表1 标签传播算法(Label
Path of Vertex Sets)用于发现两个点集之间的最短路径。 适用场景 点集最短路算法(Shortest Path of Vertex Sets)适用于互联网社交、金融风控、路网交通、物流配送等场景下的区块之间关系分析。 参数说明 表1 点集最短路算法(Shortest Path
障或错误时,可以使用备份数据进行恢复操作。 操作步骤 备份操作的入口有两个:“图管理”页面和“备份管理”页面。 “图管理”页面操作如下: 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,选择需要备份的图,在“操作”列单击“备份”。 在弹出的确认提示框中,单击“确定”完成图备份。
在图规格不改变的情况下,提高只读请求的并发数。 暂不支持一万边图的扩副本。 进行扩副本操作后,不支持扩容图操作。如果要对图进行扩容和扩副本两个操作,需要您先进行扩容图操作,再进行扩副本操作。 扩副本的具体操作步骤如下: 登录管理控制台。 对需要扩副本的图,在左侧导航栏中选择“图管理”,单击图管理操作列中的“更多
优化四个维度介绍成本管理,帮助您通过成本管理节约成本,在保障业务快速发展的同时获得最大成本收益。 成本构成 使用图引擎服务时,成本主要包括两个方面: 资源成本:各类资源的成本,这取决于图实例的计费项,详细介绍请参见计费项。 运维成本:使用图引擎服务过程中产生的人力成本。 成本分配