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
客户端连接参数 在进行了上述客户端初始化认证方式后,您可根据需要进行HTTP配置。 HTTP配置 您可根据以下代码进行配置: import com.huaweicloud.sdk.core.http.HttpConfig; // 默认配置 HttpConfig config
执行事务Cypher 功能介绍 执行事务Cypher。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/transaction/{commit} 表1 路径参数 参数 是否必选 类型 说明 project_id 是 String
聚类系数算法(cluster_coefficient) 功能介绍 根据输入参数,执行cluster_coefficient算法。 聚类系数算法(cluster_coefficient)用于计算图中节点的聚集程度。 URI POST /ges/v1.0/{project_id}/hyg
点集最短路(Shortest Path of Vertex Sets) 概述 点集最短路算法(Shortest 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
如果点被删除了,基于该点的边会怎么处理? GES基于属性图(Property graph)模型导入图数据,一个属性图是由点、边、标签(Label)和属性(Property)组成的有向图。 点又称作节点(Node),边又称作关系(Relationship),点和关系是最重要的实体。
带过滤全最短路径(filtered_all_shortest_paths)(2.2.17) 参数说明 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 起点ID String - - - target 是 终点ID String -
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
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
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,如发现社交场合中的共同好友
点集全最短路(All Shortest Paths of Vertex Sets) 概述 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
点集最短路(Shortest Path of Vertex Sets)(1.0.0) 表1 Parameter参数说明 参数 是否必选 说明 类型 取值范围 默认值 sources 是 起点ID集合 String 标准csv格式,ID之间以英文逗号分隔,例如:“Alice,Nana
单点环路检测(Single Vertex Circles Detection) 概述 单点环路检测(Single-Vertex-Circles-Detection)是一个经典的图问题,意在寻找图中的环路。环路上的点较好地体现了该点的重要性。 适用场景 单点环路检测适用于交通运输、金融风控等场景
带一般过滤条件最短路径(filtered_shortest_path)(2.2.4) 请求 参数说明 表1 parameters参数说明 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。 directed
基本概念 点 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。 边 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。 Gremlin Gremlin
带过滤全最短路径(Filtered All Shortest Paths) 概述 带过滤全最短路径(Filtered All Shortest Paths)是在最短路径算法(Shortest Path)基础上支持条件过滤,寻找图中两节点之间满足条件的全最短路径。 适用场景 适用于关系挖掘
带过滤的n_paths算法(filtered_n_paths) 概述 带过滤的n_paths算法是给定起始点source、目的点target、跳数k、路径数n、过滤条件filters,找出source和target间不多于n条的k跳无环路径。 适用场景 任意网络。 参数说明 表1
带一般过滤条件环路检测(filtered circle detection) 概述 带一般过滤条件环路检测(filtered circle detection)目的是寻找图中所有满足过滤条件的环路。 适用场景 带一般过滤条件的环路检测(filtered circle detection
带一般过滤条件最短路径(Filtered Shortest Path) 概述 带一般过滤条件最短路径算法(Filtered Shortest Path)寻找两点间满足过滤条件的最短路径,如有多条,返回任意一条最短路径。 适用场景 带一般过滤条件的最短路径算法(Filtered Shortest
带过滤全对最短路径(Filtered All Pairs Shortest Paths) 概述 带过滤全对最短路径(Filtered All Pairs Shortest Paths)是寻找图中任意两点之间满足条件的最短路径。当前,考虑到实际应用场景,此算法需要用户指定起点集(sources
基本操作和兼容性 基本操作 操作名 Cypher语句 查点 match (n) return n 查边 match (n)-[r]->(m) return n, r, m 查路径 match (n:user)-[r]->(m:movie)-->(s:series) return n