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
查询边详情(1.0.0) 功能介绍 根据边的起点、终点以及索引,查询边的详细信息,返回边上的标签和属性等。 URI GET /ges/v1.0/{project_id}/graphs/{graph_name}/edges/detail?source={sourceVertex}&
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。
由于GES软件版本不断升级,旧版本的图可以通过“升级”操作升级为新版本的图。 当前仅支持 1.0.3 以上版本的图的升级功能。 具体操作步骤如下: 登录图引擎服务管理控制台,在左侧导航栏,选择“图管理”。 在图管理列表中,选择需升级的图,在“操作”列选择“更多”>“升级”。 在弹出的升级提示框中,选择“版本”和是否“强制升级”。
云监控服务可以对GES的运行状态进行日常监控。您可以通过云监控管理控制台,直观地查看各项监控指标。 监控数据的获取与传输会花费一定时间,因此,云监控数据显示的是当前时间5~10分钟前的状态。如果您的图刚刚创建完成,请等待5~10分钟后查看监控数据。 前提条件 创建的图运行状态正常运行。
Coefficient) 概述 聚类系数表示一个图中节点聚集程度的系数。在现实的网络中,尤其是在特定的网络中,由于相对高密度连接点的关系,节点总是趋向于建立一组严密的组织关系。聚类系数算法(Cluster Coefficient)用于计算图中节点的聚集程度。 适用场景 聚类系数算法(Cluster
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。 单次导入的文件总大小(包括点、边数据集)不能超过可用内存的1/5。可用内存参考“运维监控看板”的“节点监控”中名称后缀
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
终端节点 终端节点即调用API的请求地址,不同服务不同区域的终端节点不同,您可以从地区和终端节点中查询所有服务的终端节点。 图引擎服务的终端节点如下表所示,请您根据业务需要选择对应区域的终端节点。 表1 图引擎服务的终端节点 区域名称 区域 终端节点(Endpoint) 华北-北京一
标签:统计当前画布中所有的标签名称和对应的点边数量。 节点权重Top10:当前图中边数量最多的十个节点。 以下图统计信息为例,图中共有7个标签。标签为FUND_PRODV的点有5个,标签为FIN_PRODV的点有3个。 图中权重最大的是节点id为1101的点,共有5条边。排名第十的是节点id为1103的点,共有1条边。
时间轴设置 将单一视角的静态图转化为多视角的动态图,为您展示在一段时间内,点、边随时间变化的轨迹,展示动态图分析结果。 您需要使用具有“动态图分析能力”的图才能使用该功能,动态图的创建请参见创建动态图。 时间轴设置 创建动态图后,在“图管理”页面,单击动态图“操作”列的“访问”按钮,进入图引擎编辑器。
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
el旁的第二个“”按钮,可在画布中隐藏当前label。 图5 隐藏label 隐藏当前选择的label的点和边 在绘图区,单击图中任意一个点,被选中的点会显示为。 表示label隐藏。在图数据中默认是全部展示的,单击label旁的“眼睛”按钮,可隐藏当前选择的label的点和边(即在画布中不展示)。
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。
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。
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
连通分量算法(Connected Component) 概述 连通分量代表图中的一个子图,当中所有节点都相互连接。考虑路径方向的为强连通分量(strongly connected component),不考虑路径方向的为弱连通分量(weakly connected component)。连通分量算法(Connected
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
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_id}/
OBS对象名约束 图引擎服务支持的OBS对象名支持以下字符: 字母数字字符 0-9 a-z A-Z 特殊字符 ! - _ . * ' ( ) 中文 \u4e00-\u9fa5 暂不支持的字符有: 特殊字符 \ { ^ } % ` ] " > [ ~ < # | & @ : , $