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
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。
单点环路检测(single_vertex_circles_detection) 功能介绍 根据输入参数,执行单点环路检测算法。 单点环路检测(single_vertex_circles_detection)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。 URI POST
单点环路检测(single_vertex_circles_detection)(2.2.4) 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 被包含节点ID。 String - min_circle_length 否 最小圈长 Integer
带一般过滤条件环路检测(filtered_circle_detection)(2.2.15) 请求样例 Post http://{}/ges/v1.0/1/graphs/movie/action?action_id=execute-algorithm { "algorithmName":
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 detect
、使用案例等。 华为云EI企业智能红宝书 详细介绍 常见问题 了解更多常见问题、案例和解决方案 常见问题 什么是图引擎服务? 图引擎服务与图像处理有什么区别? 创建实例或实例已创建,需绑定EIP时,提示创建委托权限不足怎么处理? 创建实例或实例已创建,需绑定EIP时,页面提示“委托配额不足”如何处理?
、物流配送等场景下的区块之间关系的分析。 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。适用于金融风控中循环转账检测、反洗钱,网络路由中异常链接检测,企业担保圈贷款风险识别等场景。 子图匹配(Subgraph Matching)
标签传播算法(Label Propagation) 概述 标签传播算法(Label 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
功能介绍 根据输入参数,执行label_propagation算法。 标签传播算法(Label 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
、物流配送等场景下的区块之间关系的分析。 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。适用于金融风控中循环转账检测、反洗钱,网络路由中异常链接检测,企业担保圈贷款风险识别等场景。 子图匹配(Subgraph Matching)
功能名称 功能描述 阶段 相关文档 1 上线带一般过滤条件环路检测算法 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。 商用 带一般过滤条件环路检测 2020年10月 序号 功能名称 功能描述 阶段 相关文档 1
通过图上分析计算,合并相似本体,进行知识消岐。 学习路径的识别及推荐 通过知识点的先修关系,识别学习路径,针对薄弱知识点进行学习路径推荐。 金融风控应用 面对层出不穷、复杂多样的个人和群体行为,帮助客户挖掘出潜在的风险,为客户保驾护航。 该场景能帮助您实现以下功能。 实时欺诈检测 提供实时的用户行为检测,识别敏感用
产品优势 大规模 高效的数据组织,让您更有效的对百亿节点千亿边规模的数据进行查询与分析。 高性能 深度优化的分布式图形计算引擎,为您提供高并发、秒级多跳的实时查询能力。 查询分析一体 查询分析一体化,提供丰富的图分析算法,为关系分析、路径的规划、营销推荐等业务提供多样的分析能力。
完成,如果要修改参数,单击画布左下方进行设置在时间轴设置框内填写,此处不可填写。 sources:指定单个节点作为起始节点ID。 k:拓展深度,表示要拓展的最大级数,取值范围为1-100,默认值为3。 directed:拓展方向(是否考虑边的方向)取值为true或false,默认true。
根据输入参数,执行BigClam算法。 BigClam算法是一种重叠社区发现算法,该算法将节点与社区之间的关系建模为一个二部图,假设图中节点的连边是根据社区关系生成的,其可以检测出图中的重叠社区。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1
发掘图重要的子结构。 适用场景 子图匹配(subgraph matching)算法适用于社交网络分析、生物信息学、交通运输、群体发现、异常检测等领域。 参数说明 表1 subgraph matching参数说明 参数 是否必选 说明 类型 取值范围 edges 是 需匹配的子图的边集
填写,此处不可填写。 source:指定单个节点作为起始节点ID。 targets:终点节点ID集合(可设置多个终点节点ID)。 k:拓展深度,表示要拓展的最大级数,取值范围为1-100,默认值为3。 strategy:运行的算法策略,取值为shortest或foremost。
请求示例 订阅scenes应用场景分析能力,订阅的具体场景名称为12345工单关联分析,要订阅的application名字列表为"动态高纬关系深度分析"。 POST /v2/{project_id}/graphs/{graph_id}/scenes/register { "scenes"
取消订阅scenes场景应用分析能力,取消订阅的具体场景名称为12345工单关联分析,取消订阅的application名字列表为"动态高纬关系深度分析"。 POST /v2/{project_id}/graphs/{graph_id}/scenes/unregister { "scenes"