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
元数据操作 图数据的格式 导入元数据 创建元数据 复制元数据 编辑元数据 查找元数据 删除元数据
策略权限 策略说明 GES系统策略 GES自定义策略 GES请求条件 GES资源 父主题: 权限管理
配置图操作权限 图细粒度权限配置 用户组配置 用户详情
TopicRank算法 概述 TopicRank算法12345热线多维度话题排序算法之一。 适用场景 适用于政务12345热线投诉话题排序。 参数说明 表1 TopicRank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,支持多点输入,csv格式,逗号分割。
创建图的方式 本章节为您介绍如何使用图引擎服务(GES)进行创建图。 有三种创建方式可供选择:自定义创建,行业图模板创建和创建动态图,系统默认使用自定义创建方式。 自定义创建图:您可以直接使用系统默认的创图方式,进行查询和分析图。 行业图模板创建图:您可以选择想要创建的模板,系统
导入元数据 准备元数据 从本地或OBS导入数据 父主题: 元数据操作
创建的图是否启用细粒度权限控制,默认不启用,值为false。如果设置为true,创建的图所有用户都没有权限,需要调用业务面细粒度权限控制API进行授权操作才可以访问图。 enable_full_text_index 否 Boolean 创建的图是否开启全文索引控制,默认不启用,值为false。 如果设
擎根据网页(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。
任务中心 管理面任务中心 业务面任务中心 父主题: 查看图任务
图引擎服务提供包年/包月、按需计费两种计费模式,以满足不同场景下的用户需求。 包年/包月是一种预付费模式,即先付费再使用,按照订单的购买周期进行结算,因此在购买之前,您必须确保账户余额充足。 按需计费是一种后付费模式,即先使用再付费,按照图实例实际使用时长计费。 关于两种计费模式的详细介绍请参见计费模式概述。
对于对象类型,目前的版本暂不支持导出,csv中视作空值处理。 Cypher事务(仅持久化版规格有效): 持久化版规格下Cypher支持事务,用户可以通过设置transactional为true来开启Cypher的事务功能,以保证单条Cypher语句的原子性。对于多条Cypher语句
Node2vec算法 概述 Node2vec算法通过调用word2vec算法,把网络中的节点映射到欧式空间,用向量表示节点的特征。 Node2vec算法通过回退参数 P 和前进参数 Q 来生成从每个节点出发的随机步,带有BFS和DFS的混合,回退概率正比于1/P,前进概率正比于1
共同邻居算法(Common Neighbors) 概述 共同邻居算法(Common Neighbors)是一种常用的基本图分析算法,可以得到两个节点所共有的邻居节点,直观地发现社交场合中的共同好友、以及在消费领域共同感兴趣的商品,进一步推测两个节点之间的潜在关系和相近程度。 适用场景
备份图和恢复图 备份图 恢复图 删除备份 导出备份到OBS 从OBS中导入备份 父主题: 管理图
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
k跳算法(k-hop) 概述 k跳算法(k-hop)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中节点的个数。 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。
最短路径算法(Shortest Path) 概述 最短路径算法(Shortest Path)用以解决图论研究中的一个经典算法问题,旨在寻找图中两节点之间的最短路径。 适用场景 最短路径算法(Shortest Path)适用于路径设计、网络规划等场景。 参数说明 表1 最短路径算法(Shortest
关联预测算法(Link Prediction) 概述 关联预测算法(Link Prediction)给定两个节点,根据Jaccard度量方法计算两个节点的相似程度,预测节点之间的紧密关系。 适用场景 关联预测算法(Link Prediction)适用于社交网上的好友推荐、关系预测等场景。
时序路径分析(Temporal Paths) 概述 时序路径分析算法(Temporal Paths)区别于静态图上的路径分析,结合了动态图上信息传播的有序性,路径上后一条边的经过时间要晚于或等于前一条边,呈现时间递增(或非减)性。 时序路径不满足传递性:即从节点i到节点j有一条时
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