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
一般情况下,建议就近选择靠近您或者您的目标用户的区域,这样可以减少网络时延,提高访问速度。不过,在基础设施、BGP网络品质、资源的操作与配置等方面,中国大陆各个区域间区别不大,如果您或者您的目标用户在中国大陆,可以不用考虑不同区域造成的网络时延问题。 在除中国大陆以外的亚太地区有业务的用户,可以选择“
08:00:00] 期间感染了新冠(注:这里点的状态变化,如感染疾病,建模为与对应点相关的边)。 图2 动态图数据示例 动态图的元数据 时间戳是动态图的重要特征,为了描述动态图数据,需要在元数据中,定义时间戳相关的属性startTime 、endTime。 注意:这里的startTime 、end
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、营销推荐及社会化聆听、信息传播、防欺诈等具有丰富关系数据的场景。 本文档将为您介绍如何在图引擎服务管理控制台完成图数据的相关操作和分析。 使用本服务的操作流程如下所示: 图1 图引擎服务的使用流程 表1
图数据的格式 一般图数据格式 动态图数据格式 父主题: 元数据操作
SDK)是对GES提供的REST API进行的封装,以简化用户的开发工作。 SDK 业务面SDK 管理面SDK Cypher JDBC Driver访问GES 02 购买 GES的计费简单、易于预测,您既可以选择按照小时费率计费的按需计费方式,也可以选择更经济的预付费实例计费方式。
描述 Property名称 属性的名称,长度限制为1到256位,且不能包含<,>,&和ASCII码为14,15,30的特殊字符。 基数 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。
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。
源使用,无需提前预置资源,从而降低预置过多或不足的风险。一般适用于电商抢购等设备需求量瞬间大幅波动的场景。 表1列出了两种计费模式的区别。 表1 计费模式 计费模式 包年/包月 按需计费 付费方式 预付费 后付费 计费周期 按订单的购买周期计费。 秒级计费,按小时结算。 适用计费项
Paths:表示距离最短的时序路径。 Foremost Temporal Paths:表示尽可能早的到达目标节点的时序路径。 Fastest Temporal Paths :表示耗费时间最短的时序路径。 适用场景 适用于疫情或疾病传播溯源、信息传播和舆情分析、结合时序的路径规划、资金流通路径等场景。
应的授权项相对应,只有发起请求的用户被授予授权项所对应的策略,该用户才能成功调用该接口。例如,用户要调用接口来查询图列表,那么这个IAM用户被授予的策略中必须包含允许"ges:graph:list"的授权项,该接口才能调用成功。 支持的授权项 策略支持的操作与API相对应,授权项列表说明如下:
根据网页(节点)之间相互的超链接进行计算的技术,用来体现网页(节点)的相关性和重要性。 如果一个网页被很多其他网页链接到,说明这个网页比较重要,也就是其PageRank值会相对较高。 如果一个PageRank值很高的网页链接到其他网页,那么被链接到的网页的PageRank值会相应地提高。
List 各label与关联的property字段定义。 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。
Integer 每页资源数量的最大值,默认为10。 offset 否 Integer 本次请求的起始位置,默认为0。 请求参数 表3 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token 是 String 用户Token。 用于获取操作API的权限。获取方法请参见
否 边上权重 String 空或字符串 空:边上的权重、距离默认为“1” 字符串:对应的边上的属性将作为权重,当某边没有对应属性时,权重将默认为“1” 说明: 边上权重应大于0。 weight 注意事项 Louvain算法只生成最后的社区结果,不保存层次化结果。 示例 输入参数coverage=0
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
查找元数据 在“元数据管理”页面,您可以在搜索框中输入元数据文件的名称进行查找。 图1 查找元数据 父主题: 元数据操作
object 存储metadata的消息信息的对象。 表4 GesMetaData 参数 参数类型 描述 labels Array of Label objects Label数据结构集合。 表5 Label 参数 参数类型 描述 name String Label的名称。 properties
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,因此可以
对于该source节点的随机游走将提前结束。 Int 1~2000 1000 label 否 希望输出的点的类型。 说明: 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