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
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
Shortest Path)寻找两点间满足过滤条件的最短路径,如有多条,返回任意一条最短路径。 适用场景 带一般过滤条件的最短路径算法(Filtered Shortest Path)适用于路径设计、网络规划等场景,通过对点边条件的过滤,控制最短路径的生成。 参数说明 表1 带一般过滤条件最短路径算法(Filtered
String 标准csv格式,ID之间以英文逗号分隔,例如:“Alice,Nana”。 个数不大于100000。 - directed 否 是否考虑边的方向 Boolean true或false false 表2 response_data参数说明 参数 类型 说明 path List 最短路径,格式:
directed 否 是否考虑边的方向 Bool true 或false,布尔型。 false 示例 输入directed=true, source="Alice", target="Jay", 同时添加边过滤条件labelName="friends",将会得到Json形式的返回结果。 父主题:
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
Paths)参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 输入路径的起点ID String - - target 是 输入路径的终点ID String - - directed 否 是否考虑边的方向 Bool true或false false 注意事项 无。 示例 输入参数source
关联路径算法(n-Paths)用于寻找图中两节点之间在层关系内的n条路径。 适用场景 关联路径算法(n-Paths)适用于关系分析、路径设计、网络规划等场景。 参数说明 表1 关联路径算法(n-Paths)参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 输入路径的起点ID String -
会创建您所选规格的图并置入模板数据来供您查询和分析图。 创建动态图:此方式创建的图,系统默认开启动态图分析能力,可方便您利用动态图功能进行分析图。 如果您想要使用动态图功能,需使用创建动态图的方式,自定义和行业图模板创建的图不具有该功能,后续也无法开启动态图分析能力。 父主题: 创建图
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
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。
与其他云服务的关系 与统一身份认证服务的关系 图引擎服务使用统一身份认证服务(Identity and Access Management,简称IAM)提供华为云统一入口的鉴权功能。 与虚拟私有云的关系 图引擎服务使用虚拟私有云(Virtual Private Cloud,简称V
查看创建失败的图 当GES依赖的ECS服务的配额不足时,会出现创建图失败的情况,您可以在“图管理”页面查看创建失败的图。 操作步骤 在左侧导航栏,选择“图管理”。 在“图管理”页面中,左上角的“图管理”页签旁可以看到当前创建图失败的图数量。 图1 创图失败的图数量 单击可查看创建
属性页签可展示选中点或边的属性信息,也可对单个点或边的属性进行编辑。 属性编辑的操作如下: 在绘图区选中一个点或边,单击右键,选择“查看属性”,会在右侧显示“属性”页签,展示选中点边的属性信息。 若选中的点有多个标签(label),可单击label后的下拉框来查看其它label的属性信息。 图1
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。
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。
紧密中心度算法(Closeness Centrality)计算一个节点到所有其他可达节点的最短距离的倒数,进行累积后归一化的值。紧密中心度可以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
标签(Label) 标签是属性的集合,描述了一个点或边拥有的所有属性的数据格式。 在不同的标签中,如果定义了相同的属性名称(Property name),则定义的cardinality和dataType需要跟已定义的一致。2.3.18版本以后不再有该限制,即支持不同Label下的同名属性类型不同。
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 是 Object 动态分析的时间属性定义。 表4 time_props参数说明 参数 是否必选 类型 说明 stime 是 String 动态图开始时间的属性名称。 etime
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。