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
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
是否考虑边的方向。取值为true或false。默认值为true。 迭代次数(iterations)和收敛精度(convergence)。 算法终止的条件:要么达到设置的最大迭代次数,要么满足收敛精度,满足其一即可。 一般来说,收敛精度设置得越小,迭代次数设置得越大,算法的效果越好。
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。 本文档能够帮助您快速了解和使用图引擎服务,基本使用流程如下:
类型 取值范围 默认值 directed 否 是否考虑边的方向 Boolean true或者false true weight 否 边上权重 String 空或字符串 * 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。
Louvain算法 概述 Louvain算法是基于模块度的社区发现算法,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,其优化目标是最大化整个社区网络的模块度。 适用场景 Louvain算法适用于社团发掘、层次化聚类等场景。 参数说明 表1 Louvain算法参数说明
查询获取场景应用分析插件 功能介绍 查询scenes场景下的应用分析能力详情,可以获得对应场景下的application、参数和功能介绍详情。 调试 您可以在API Explorer中调试该接口,支持自动认证鉴权。API Explorer可以自动生成SDK代码示例,并提供SDK代码示例调试功能。
隐藏label 隐藏单个label的所有点和边 在图引擎编辑器的左侧的元数据列表中,单击元数据旁的“眼睛”按钮,可在图分析结果中隐藏该元数据的所有点和边。 图4 隐藏label 隐藏label:当前label在画布是否展示。 在图引擎编辑器左侧的元数据列表中,单击想要修改的元数据,会弹出该元数
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,进一步推测两点集合之间的潜在关系和联系程度。 适用场景 点集共同邻居算法适用于进行关系发掘、产品/好友推荐等图分析技术。
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。
业务面任务中心功能,可以查看图当前正在运行和历史上运行过的异步任务的详情。 具体操作步骤如下: 在左侧导航栏中选择“图管理”,单击图管理操作列中的“更多 > 任务中心”,进入“任务中心”页面。 图1 任务中心 2.2.23及以上版本的图可以使用该功能。 当图的运行状态显示为运行中、导入中、导出中和清空中的状态时可
扩副本 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
是否考虑边的方向。取值为true或者false,默认值为true。 weight 否 String 边上权重,取值为空或字符串。 当某边没有对应属性时,权重将默认为1。 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。 说明: 不支持对缺失属性值的默认处理,会直接报错。
根据网页(节点)之间相互的超链接进行计算的技术,用来体现网页(节点)的相关性和重要性。 如果一个网页被很多其他网页链接到,说明这个网页比较重要,也就是其PageRank值会相对较高。 如果一个PageRank值很高的网页链接到其他网页,那么被链接到的网页的PageRank值会相应地提高。
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/v1.0/{project_id}
确认点集中的点 是否携带额外约束: 不勾选该选项表示找到的共同邻居为起点集和终点集对应邻域的交集。 勾选该选项表示带额外约束,即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。 展示结果。 图7 图展示 图8 查询结果
细请参考GES系统策略。 自定义策略 如果系统策略无法满足授权要求,可以根据各服务支持的授权项,创建自定义策略,并通过给用户组授予自定义策略来进行精细的访问控制,自定义策略是对系统策略的扩展和补充。目前华为云支持可视化视图、JSON视图两种自定义策略配置方式。详细请参考GES自定义策略。
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。
元数据 元数据的组成结构如下所示: 图2 元数据组成结构 GES的元数据用于定义点和边的属性信息,为XML格式的文件。 在元数据中包含了标签(Label)和属性(Property)。 标签(Label) 标签是属性的集合,描述了一个点或边拥有的所有属性的数据格式。 在不同的标签中,如
生效。请求条件包括条件键和运算符,条件键表示策略语句的 Condition 元素,分为全局级条件键和服务级条件键。全局级条件键(前缀为g:)适用于所有操作,服务级条件键(前缀为服务缩写,如ges)仅适用于对应服务的操作。运算符与条件键一起使用,构成完整的条件判断语句。 GES通过