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
用户在使用云服务时,账户的可用额度小于待结算的账单,即被判定为账户欠费。欠费后,可能会影响云服务资源的正常运行,请及时充值。 欠费原因 未购买资源包,在按需计费模式下账户的余额不足。 欠费影响 包年/包月 对于包年/包月的图实例资源,用户已经预先支付了资源费用,因此在账户出现欠费的情况下,已有
从一个点出发搜索到目标节点的时序路径(时序路径满足动态图上信息传播的有序性,路径上后一条边的经过时间要晚于或等于前一条边的经过时间),在画布上呈现点、边随时间递增(或非减)的变化趋势。 该功能可以通过strategy参数调整搜索的是距离最短的时序路径,还是尽早到达目标节点的时序路径。具体操作步骤如下:
PageRank算法。该算法继承了经典PageRank算法的思想,利用图链接结构来递归计算各节点的重要性。与PageRank算法不同的是,为了保证随机行走中各节点的访问概率能够反映出用户的偏好,PersonalRank算法在随机行走中的每次跳转会以(1-alpha)的概率返回到source节点,因此可以
导出图 可将图数据导出至自定义的OBS目录下。 内存版的图支持 1.0.3 以上版本的图数据导出。 持久化版的图支持2.3.14及以上版本的图数据导出。 具体操作步骤如下: 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,选择需导出的图,在“操作”列选择“更多”>“导出”。
图名称。 sourceVertex 是 String 边的起点。 targetVertex 是 String 边的终点。 label(持久化版) 否 String 边的label值。 sortKey(持久化版) 否 String 重复边的sortKey值。 sortKeyType(持久化版)
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。 图1
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
由于GES软件版本不断升级,旧版本的图可以通过“升级”操作升级为新版本的图。 当前仅支持 1.0.3 以上版本的图的升级功能。 具体操作步骤如下: 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,选择需升级的图,在“操作”列选择“更多”>“升级”。 在弹出的升级提示框中,选择“版本”和是否“强制升级”。
删除点边 执行删除操作会永久的删除您选中的点和边,该操作不可逆,请谨慎考虑。 点详情弹窗,可查看节点的相关信息。 把鼠标移动到想要查看的非虚化节点上,会自动显示出该节点的id、label,属性等信息。 图10 点详情信息 弹窗最多能显示节点的6个属性。当该节点的属性大于6个时,您可以到
计费项 图引擎服务的计费简单、易于预测,对您选择的图规格(边数)、数据存储空间和公网流量收费。 表1 GES计费项说明 计费项 计费说明 图规格(边数) 根据您选择的边数大小计费。 针对边数提供预付费实例和按需(小时)两种计费模式。 数据存储空间 GES的数据通过对象存储服务(O
终端节点 终端节点即调用API的请求地址,不同服务不同区域的终端节点不同,您可以从地区和终端节点中查询所有服务的终端节点。 图引擎服务的终端节点如下表所示,请您根据业务需要选择对应区域的终端节点。 表1 图引擎服务的终端节点 区域名称 区域 终端节点(Endpoint) 华北-北京一
时间轴设置 将单一视角的静态图转化为多视角的动态图,为您展示在一段时间内,点、边随时间变化的轨迹,展示动态图分析结果。 您需要使用具有“动态图分析能力”的图才能使用该功能,动态图的创建请参见创建动态图。 时间轴设置 创建动态图后,在“图管理”页面,单击动态图“操作”列的“访问”按钮,进入图引擎编辑器。
查询边详情(1.0.0) 功能介绍 根据边的起点、终点以及索引,查询边的详细信息,返回边上的标签和属性等。 URI GET /ges/v1.0/{project_id}/graphs/{graph_name}/edges/detail?source={sourceVertex}&
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。
el旁的第二个“”按钮,可在画布中隐藏当前label。 图5 隐藏label 隐藏当前选择的label的点和边 在绘图区,单击图中任意一个点,被选中的点会显示为。 表示label隐藏。在图数据中默认是全部展示的,单击label旁的“眼睛”按钮,可隐藏当前选择的label的点和边(即在画布中不展示)。
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。
云监控服务可以对GES的运行状态进行日常监控。您可以通过云监控管理控制台,直观地查看各项监控指标。 监控数据的获取与传输会花费一定时间,因此,云监控数据显示的是当前时间5~10分钟前的状态。如果您的图刚刚创建完成,请等待5~10分钟后查看监控数据。 前提条件 创建的图运行状态正常运行。
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。 适用场景 聚类系数算法(Cluster