-
时序路径分析(Temporal Paths) - 图引擎服务 GES
temporal paths算法,返回距离最短的时序路径 foremost:运行foremost temporal paths算法,返回尽可能早的到达目标节点的时序路径 fastest:运行fastest temporal paths算法,返回耗费时间最短的时序路径 表4 dynamicRange
-
管理面任务中心 - 图引擎服务 GES
管理面任务中心 管理面任务中心功能,可用于查看创建图、备份图、启动图、增加备份、导入图、导出图、升级图等操作的异步任务的详情。 具体操作步骤如下: 在左侧导航栏,选择“任务中心” 在“任务中心”页面可以查看对应图所执行任务的类型,任务名称,图名称,关联图,开始时间,结束时间,状态和运行结果。
-
personalrank算法(personalrank) - 图引擎服务 GES
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。 URI
-
子图匹配算法(subgraph matching) - 图引擎服务 GES
根据输入参数,执行subgraph matching算法。 子图匹配(subgraph matching)算法的目的是在一个给定的大图里面找到与一个给定小图同构的子图,这是一种基本的图查询操作,意在发掘图重要的子结构。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
-
点集共同邻居(common - 图引擎服务 GES
是否带其他约束,取值为true或false,默认取值为true。 false:不带额外约束,即找到的共同邻居为起点集和终点集对应邻域的交集。 true,带额外约束,这里指找到的共同邻居不仅是起点集和终点集邻域的交集,同时共同邻居集合中的每个点都至少有2个以上邻居节点在起点集和终点集中。 响应参数 参数 类型
-
增量导入图(2.1.14) - 图引擎服务 GES
增量导入图(2.1.14) 功能介绍 增量导入图数据。 为防止系统重启时,不能正常恢复导入图数据,建议在使用图期间,不要删除存储在OBS中的数据。 导入目录下的单文件或者导入的单文件大小不能超过5GB,如果超过5GB,则会导入失败,建议把文件拆成小于5GB的多个文件后再导入。 调试 您可以在API
-
点集共同邻居(Common Neighbors of Vertex Sets) - 图引擎服务 GES
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。
-
计费概述 - 图引擎服务 GES
长计费。 关于两种计费模式的详细介绍请参见计费模式概述。 计费项 图引擎服务的计费项由图规格(边数)、数据存储空间、和公网带宽费用组成,了解每种计费项的计费因子、计费公式等信息,请参考计费项。 如需了解实际场景下的计费样例以及各计费项在不同计费模式下的费用计算过程,请参见计费样例。
-
GES请求条件 - 图引擎服务 GES
包括条件键和运算符,条件键表示策略语句的 Condition 元素,分为全局级条件键和服务级条件键。全局级条件键(前缀为g:)适用于所有操作,服务级条件键(前缀为服务缩写,如ges)仅适用于对应服务的操作。运算符与条件键一起使用,构成完整的条件判断语句。 GES通过IAM预置了一
-
查询图元数据详情 - 图引擎服务 GES
String 属性的数据类型。具体请参考持久化版规格说明中的元数据类型。 请求示例 查询图的元数据详情。 GET http://{SERVER_URL}/ges/v1.0/{project_id}/graphs/{graph_name}/schema SERVER_URL:图的访问地址,取值请参考业务面API使用限制。
-
动态拓展 - 图引擎服务 GES
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成,如果要修改参数,
-
服务支持使用哪些算法对图进行分析? - 图引擎服务 GES
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。
-
Cesna算法(cesna) - 图引擎服务 GES
根据输入参数,执行Cesna算法。 Cesna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。此外,该算法还利用了节点属性对社区进行建模,即假设节点的属性也是根据社区关系生成的。 URI POST /ges/v1.0/{project_i
-
DSL语法说明 - 图引擎服务 GES
Match<Vertex>的gather Match<Vertex>上的Gather操作会将传入的Lambda函数中定义的所有操作作用在Match匹配的点的边上。 点匹配器Match仅接收包含两个输入参数的Lambda表达式。第一个参数指代边上的source点,第二个参数指代边上的target点。
-
Bigclam算法(bigclam) - 图引擎服务 GES
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
-
什么是GES - 图引擎服务 GES
Service,简称GES),使用华为自研的EYWA内核,是针对以“关系”为基础的“图”结构数据,进行查询、分析的服务。广泛应用于社交关系分析、营销推荐、舆情及社会化聆听、信息传播、防欺诈等具有丰富关系数据的场景。 功能介绍 GES服务的功能主要有以下5个方面: 丰富的领域算法 支持PageRa
-
k跳算法(k - 图引擎服务 GES
k跳算法(k_hop) 功能介绍 根据输入参数,执行k跳算法。 k跳算法从起点出发,通过宽度优先搜索(BFS),找出k层与之关联的所有节点。找到的子图称为起点的“ego-net”。k跳算法会返回ego-net中节点及其个数。 URI POST /ges/v1.0/{project
-
图实例运维监控 - 图引擎服务 GES
GES为用户提供了一个多维度运维监控的界面,为客户图实例的稳定运行提供保驾护航的能力。该功能对图实例所使用磁盘、网络、OS指标数据,集群运行关键性能指标数据进行收集、监控、分析,及时暴露数据库中关键故障及性能问题,指导客户进行优化解决。 图实例运维监控看板只支持2.3.17及以上版本的图。 一万边规格为开发学习类型,暂不支持运维监控看板。
-
通过导入文件更新点边的指定属性(2.2.13) - 图引擎服务 GES
通过导入文件更新点边的指定属性(2.2.13) 功能介绍 通过导入文件更新点边的指定属性。 为防止系统重启时,不能正常恢复更新图数据,建议在使用图期间,不要删除存储在OBS中的数据。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/action
-
简介 - 图引擎服务 GES
图引擎服务(Graph Engine Service,简称GES),是针对以“关系”为基础的“图”结构数据,进行查询、分析的服务。广泛应用于社交关系分析、推荐、精准营销、舆情及社会化聆听、信息传播、防欺诈等具有丰富关系数据的场景。 开发指南概述 图引擎服务软件开发工具包(GES SDK,Graph