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
图解图计算技术
户。本文将介绍按需计费图规格的计费规则。 适用场景 按需计费适用于具有不能中断的短期、突增或不可预测的应用或服务,例如电商抢购、临时测试、科学计算。 适用计费项 以下计费项支持按需计费。 表1 适用计费项 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。
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,因此可以基于source节点个性化地计算网络节点的相关性
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用于在满足交换律和结合律的计算过程中对数
k核算法(k-core) 概述 k核算法(k-core)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。 适用场景 k核算法(k-core)适用于社区发现、金融风控等场景。 参数说明 表1 k核算法(k-core)参数说明
费;GES在华为云内部网络产生的流量不计费。 图引擎服务计费详情及样例,请参见产品价格详情。您可以通过图引擎服务提供的价格计算器,选择您需要的图规格,快速计算出创建图的参考价格。
关联预测算法(Link Prediction) 概述 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。
eakly connected component)。连通分量算法(Connected Component)计算得到的是弱连通分量。 参数说明 无。 示例 单击运行,计算各个节点所属的连通分量,JSON结果会展示在查询结果区。 父主题: 算法参考
单源最短路算法(SSSP) 概述 单源最短路算法(SSSP)计算了图论中的一个经典问题,给出从给定的一个节点(称为源节点)出发到其余各节点的最短路径长度。 适用场景 单源最短路算法(SSSP)适用于网络路由、路径设计等场景。 参数说明 表1 单源最短路算法(SSSP)参数说明 参数
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。 参数说明 无。 示例 单击运行,计算图的度数关联度,JSON结果会展示在查询结果区。
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
//带有globalAcc一起计算的表达式, 属于globalacc expression 1+v.score*2 //带有vertexAcc一起计算的表达式, 属于vertexacc expression 表达式升格表 不同类型的表达式在赋值和计算上,存在不同的限制。即,不同类型互相之间的赋值和计算是否合法的限制。
费;GES在华为云内部网络产生的流量不计费。 图引擎服务计费详情及样例,请参见产品价格详情。您可以通过图引擎服务提供的价格计算器,选择您需要的图规格,快速计算出创建图的参考价格。 计费模式 当前提供两种计费模式供您选择:按需计费和预付费实例计费。两种方式供您灵活选择,使用越久越便宜。
true或false false 注意事项 无。 示例 输入参数source =Lee,target =Alice,directed=false。计算结果会展示在绘图区,JSON结果会展示在查询结果区。 父主题: 算法参考
层数 Int 1~10 5 示例 输入参数source=Lee,target=Alice,n=10,k=5,directed=false,计算结果会展示在绘图区,JSON结果会展示在查询结果区。 父主题: 算法参考
点,因此可以基于source节点个性化地计算网络节点的相关性和重要性(PersonalRank值越高,对source节点的相关性/重要性越高)。 k核算法(k-core) k-core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,较好的刻画了节点的传播能力。
HyG图数据同步 功能介绍 将图数据库的更新信息同步到HyG计算引擎。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/sync 表1 路径参数 参数 是否必选 类型 说明 project_id 是 String 项目ID。获取方法请参见获取项目ID。
根据输入参数,执行link_prediction算法。 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
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 否 是否考虑边的方向。 Bool true 或false true alpha决定跳转概率系数,也称为阻尼系数,是算法内的计算控制变量。 注意事项
t) 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/{graph_name}/algorithm