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
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。
Boolean 是否考虑边的方向。取值为true或false。默认值为true。 迭代次数(iterations)和收敛精度(convergence)。 算法终止的条件:要么达到设置的最大迭代次数,要么满足收敛精度,满足其一即可。 一般来说,收敛精度设置得越小,迭代次数设置得越大,算法的效果越好。
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。
Gremlin/Cypher查询是否支持几条命令一起执行? Gremlin支持多条命令一起执行,命令之间用分号隔开。 例如: graph = EywaGraph.open('ges_6715');g = graph.traversal();g.V().limit(1) Cypher暂时不支持多条命令一起执行。
register 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目ID。获取方法请参见获取项目ID。 graph_id 是 String 图ID。 请求参数 表2 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token
在海量知识中快速关联查询秒级响应,搜索结果更准确。 知识梳理 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。
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 1~100 - source 是 节点的ID String - - mode
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。
register 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目ID。获取方法请参见获取项目ID。 graph_id 是 String 图ID。 请求参数 表2 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token
中介中心度算法(betweenness)(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 directed 否 是否考虑边的方向 Boolean true或者false true weight 否 边上权重 String 空或字符串
parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 sources 是 节点的ID,可以是多个。 String source节点的个数不超过上限(默认30个,可以通过source_limit调节)。节点之间用逗号进行分割。 - alpha 否 权重系数,其值越大,步长越长。 Double
Neo4j JDBC Driver中的接口,提供了使用JDBC访问GES并进行cypher查询的一种方法。 尤其是当cypher请求返回数据量较大、并发数高、JVM缓存完整请求体有困难的场景下,该组件内置了一种可以流式解析响应body体的方法,与获得整个body体再解析相比,极大地降低了cpu和内存的占用。
清空数据 当导入了不需要的数据或者导入数据量过大,超过图规模时,可清空数据。 或通过Gremlin命令或Cypher命令误删除了数据,但不确定误删的数据有哪些,可以清空数据后重新导入。 清空数据操作将删除图所有的点、边数据,请谨慎操作。 清空数据的具体操作步骤如下: 登录图引擎服
数据的复合类型。 单值:表示该属性的数据是一个单值,如一个数字或一个字符串。 多值:表示该属性的数据由多个值组成,不同的值用分号分隔。可勾选是否允许重复值。 数据类型 属性的数据类型。当前支持“char”、“float”、“double”、“bool”、“long”、“int”、“
边中介中心度(edge_betweenness)(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 directed 否 是否考虑边的方向 Boolean true或者false true weight 否 边上权重 String 空或字符串
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。 true:考虑边的方向。 false:不考虑边的方向。
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 Centrality)适用于社交网络中关键节点发掘等场景。 参数说明 表1 紧密中心度算法(Closeness Centrality)参数说明 参数 是否必选 说明 类型 取值范围
图相关参数 参数 说明 是否支持跨AZ高可用 该选项表示是否支持跨可用区部署集群。 开启该选项,图实例分布在不同可用区(AZ)增强可靠性。 用途 创建图的用途。 “企业生产”:支持高可靠,高并发,适合企业生产及大规模应用时使用。 “开发学习”:完整功能体验,适合开发者学习使用。 产品类型
种计费模式,以满足不同场景下的用户需求。 包年/包月:一种预付费模式,即先付费再使用,按照订单的购买周期进行结算。购买周期越长,享受的折扣越大。一般适用于设备需求量长期稳定的成熟业务。 按需计费:一种后付费模式,即先使用再付费,按照图实例实际使用时长计费,秒级计费,按小时结算。按
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。