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
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
关联预测（link_prediction）(1.0.0) 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 输入起点ID。 String - - target 是 输入终点ID。 String - - 表2 response_data参数说明
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。
关联预测算法（link_prediction） 功能介绍 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
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似度，节点的标签按相似度
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，节点的标签按相似度
时间轴开始时间：动态分析图的开始时间(start)，开始时间必须要小于等于结束时间。 结束时间属性值：用您导入或创建的元数据的属性作为动态图结束时间的属性名称，默认为endtime，属性为date或long、int类型。 时间轴结束时间：动态分析图的结束时间(end)。 更多设置：包括“默认设置”或“自定义”。
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
一次费用（以UTC+8时间为准），结算完毕后进入新的计费周期。计费的起点以GES图实例创建成功的时间点为准，终点以图实例删除时间为准。 图实例创建成功需要一定时长，计费的起点是创建成功的时间点，而非创建时间。您可以在图引擎服务控制台看到图实例创建成功的时间点。 例如，您在8:45
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。
无法对上一个小时的费用进行扣费，就会导致欠费，欠费后有宽限期与保留期。 您续费后可继续正常使用，请注意在保留期进行的续费，是以原到期时间作为生效时间，您应当支付从进入保留期开始到续费时的服务费用。 您账号欠费后，会导致部分操作受限，建议您尽快续费。具体受限操作如下： 在欠费后，资
找到的子图称为起点的“ego-net”。k跳算法会返回ego-net中节点的个数。 适用场景 k跳算法（k-hop）适用于关系发现、影响力预测、好友推荐等场景。 参数说明 表1 k跳算法（k-hop）参数说明 参数 是否必选 说明 类型 取值范围 默认值 k 是 跳数 Integer
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”越小，其所在图中的位置越中心。 标签传播（Label Propagation） 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
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”越小，其所在图中的位置越中心。 标签传播（Label Propagation） 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
指定某个起始节点id，结合消息传递时间递增和BFS遍历顺序（temporal bfs算法），搜索周围与之相关联的点，输出对应各节点的到达时间以及和源起点之间的距离。具体操作步骤如下： 在左侧“动态图”操作区的“动态拓展”模块内填写参数： 开始和结束的时间以及属性值在上述章节时间轴设置中已经设置完
声明一个点聚合器，可以定义点上额外的属性/变量。并通过Match批量操作点上额外的变量。 GlobalAcc< ?, ?> 声明一个全局聚合器，定义全局可操作的变量。 表达式语句 operator= 变量赋值 operator+= 变量聚合操作 算术运算+, -, *, / 算术运算
开始和结束的时间以及属性值：在上述章节时间轴设置中已经设置完成，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。 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
动态分析时间参数。 parameters 是 String 算法参数。 表3 dynamicRange参数说明 参数 是否必选 类型 说明 start 是 Date或Integer 动态分析时间边界的开始时间。 end 是 Date或Integer 动态分析时间边界的结束时间。 time_props
infomap算法（infomap） 标签传播算法（label_propagation） 子图匹配算法（subgraph matching） 关联预测算法（link_prediction） n_paths算法（n_paths） 聚类系数算法（cluster_coefficient） 父主题：
进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 在图数据查询区，单击下拉按钮，切换到DSL查询，输入查询语句，按“回车”键执行操作。 图1 切换到DSL查询 多标签图不支持DSL查询功能。 DSL常用查询语句 常用的查询语句如下表所示： 点查询 Match<Vertex> v(['Vivian','Eric']);return
LabelPropagationSample 标签传播 LouvainSample louvain算法 LinkPredictionSample 关联预测 Node2vecSample node2vec算法 RealtimeRecommendationSample 实时推荐 CommonNeighborsSample
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
