- 最新动态
- 产品介绍
- 计费说明
- 快速入门
-
用户指南
- 如何使用图引擎服务
- 准备工作
- 权限管理
- 元数据操作
- 创建图
- 管理图
- 数据迁移
- 访问图和分析图
- 查看图任务
- 配置图操作权限
- 运维监控
- 套餐包管理
-
算法参考
- 算法一览表
- PageRank算法
- PersonalRank算法
- k核算法（k-core）
- k跳算法（k-hop）
- 最短路径算法（Shortest Path）
- 全最短路算法（All Shortest Paths）
- 带一般过滤条件最短路径（Filtered Shortest Path）
- 单源最短路算法（SSSP）
- 点集最短路（Shortest Path of Vertex Sets）
- 关联路径算法（n-Paths）
- 紧密中心度算法（Closeness Centrality）
- 标签传播算法（Label Propagation）
- Louvain算法
- 关联预测算法（Link Prediction）
- Node2vec算法
- 实时推荐算法（Real-time Recommendation）
- 共同邻居算法（Common Neighbors）
- 连通分量算法（Connected Component）
- 度数关联度算法（Degree Correlation）
- 三角计数算法（Triangle Count）
- 聚类系数算法（Cluster Coefficient）
- 中介中心度算法（Betweenness Centrality）
- 边中介中心度（Edge-betweenness Centrality）
- OD中介中心度（OD-betweenness Centrality）
- 单点环路检测（Single Vertex Circles Detection）
- 点集共同邻居（Common Neighbors of Vertex Sets）
- 点集全最短路（All Shortest Paths of Vertex Sets）
- 带一般过滤条件环路检测（filtered circle detection）
- 子图匹配（Subgraph Matching）
- 带过滤全对最短路径（Filtered All Pairs Shortest Paths）
- 带过滤全最短路径（Filtered All Shortest Paths）
- TopicRank算法
- 带过滤的n_paths算法（filtered_n_paths）
- 时序路径分析（Temporal Paths）
- 开发指南
-
API参考
- 使用前必读
- API概览
- 如何调用API
- 管理面API（V2）
-
业务面API
-
内存版
- 点操作API
- 边操作API
- 元数据操作API
- 索引操作API
- Gremlin操作API
-
算法API
- 执行算法(1.0.0)
-
算法API参数参考
- 算法公共参数
- pagerank算法(1.0.0)
- personalrank算法(1.0.0)
- k核算法（kcore）(1.0.0)
- k跳算法（k_hop）(1.0.0)
- 共同邻居（common_neighbors）(1.0.0)
- 点集共同邻居(common_neighbors_of_vertex_sets)(2.2.13)
- 关联预测（link_prediction）(1.0.0)
- 最短路径（shortest_path）(2.1.5)
- 全最短路（all_shortest_paths）(1.0.12)
- 带一般过滤条件最短路径（filtered_shortest_path）(2.2.4)
- 单源最短路（sssp）(1.0.0)
- 点集最短路（shortest_path_of_vertex_sets）(2.1.5)
- 关联路径（n_paths）(1.1.2)
- 带过滤的n_paths算法（filtered_n_paths）(2.2.22)
- 带过滤全对最短路径（filtered_all_pairs_shortest_paths）(2.2.17)
- 点集全最短路(all_shortest_paths_of_vertex_sets)(2.2.15)
- 带过滤全最短路径（filtered_all_shortest_paths）(2.2.17)
- 连通分量（connected_component）(1.0.0)
- 标签传播（label_propagation）(2.1.8)
- louvain算法（louvain）(2.2.1)
- node2vec算法（node2vec）(1.0.5)
- 实时推荐（realtime_recommendation）(2.2.21)
- 度数关联度（degree_correlation）(1.0.0)
- 三角计数（triangle_count）(1.0.0)
- 聚类系数（cluster_coefficient）(1.0.0)
- 紧密中心度（closeness）(1.0.0)
- 中介中心度算法（betweenness）(2.2.4)
- 边中介中心度（edge_betweenness）(2.2.4)
- OD中介中心度（od_betweenness）（2.2.4）
- 单点环路检测（single_vertex_circles_detection）（2.2.4）
- 带一般过滤条件环路检测（filtered_circle_detection）(2.2.15)
- 子图匹配（subgraph_matching）(2.2.16)
- topicrank算法（topicrank）(2.2.20)
- 动态图分析API
- 路径API
- 图统计API
- 图操作API
- 子图操作API
- Job管理API
- 自定义操作API
- Cypher操作API（2.2.16）
- Filtered-query API(2.2.13)
- Filtered-query V2(2.3.6)
- DSL查询API（2.3.14）
- 通过导入文件更新点边的指定属性(2.2.13)
- 通过读取文件删除点边（2.2.15）
- 运维监控API
-
持久化版
- 持久化版规格说明
- 点操作API
- 边操作API
- 元数据操作API
- 索引操作API
- HyG图管理API
-
HyG算法API
- 执行算法
-
算法API参数参考
- 算法公共参数
- pagerank算法
- personalrank算法（personalrank）
- k核算法（kcore）
- k跳算法（k_hop）
- 点集共同邻居(common_neighbors_of_vertex_sets)
- 最短路径（shortest_path）
- 全最短路（all_shortest_paths）
- 全对最短路径（all_pairs_shortest_paths）
- 单源最短路算法（sssp）
- 点集最短路（shortest_path_of_vertex_sets）
- 点集全最短路（all_shortest_paths_of_vertex_sets）
- 连通分量（connected_component）
- 三角计数算法（triangle_count）
- 紧密中心度算法（closeness）
- 中介中心度算法（betweenness）
- 边中介中心度（edge_betweenness）
- OD中介中心度（od_betweenness）
- 单点环路检测（single_vertex_circles_detection）
- topicrank算法（topicrank）
- louvain算法（louvain）
- Bigclam算法（bigclam）
- Cesna算法（cesna）
- infomap算法（infomap）
- 标签传播算法（label_propagation）
- 子图匹配算法（subgraph matching）
- 关联预测算法（link_prediction）
- n_paths算法（n_paths）
- 聚类系数算法（cluster_coefficient）
- 算法结果TXT格式说明
- 执行DSL算法
- DSL语法说明
- HyG Job管理API
- 原生算法API
- 图统计API
- 图操作API
- Job管理API
- Cypher操作API
- 交互式事务API
- 运维监控API
-
内存版
- 应用示例
- 权限策略和授权项
- 云监控服务监控指标说明
- 历史API
- 附录
- 常见问题
- 视频帮助
- 文档下载
- 通用参考
链接复制成功！
动态图数据格式
在大多数实际生活场景中，实体以及关系是动态变化的（如疫情传播网络、转账关系等），这些时序、变化背后蕴含的信息会对结果产生重要影响，因此需要采用动态图对其进行数据建模、存储和动态分析。本服务对动态图的相关能力进行了支持。
动态图的数据模型介绍
对于一般属性图，可以建模为由点、边、标签（Label）和属性（Property）组成的有向图。
动态图相较于一般属性图有所区别，其突出的特点是：点、边会随时间发生变化。根据时域演化粒度可以划分为：纯静态图（Static Graph）、 时空图（STGs）、离散动态图（DTDGs）、连续动态图（CTDGs）。其中，连续型动态图的表示形式粒度最细，保留信息更加全面。
本服务支持连续型动态图的建模方式：
例如图2，此图数据由3个点和3条边组成，Vivian、P1和P2表示点，（Vivian，P1）、（Vivian，P2）和（Vivian、Vivian）表示边，Person、Place表示点的类型（标签），Visited和Diagnosed表示关系类型（标签）, 时间戳：[startTime, endTime ]表示对应状态持续的时间。例如，对于（Vivian，P1）表示：Vivian在[2021-11-21 12:05:21, 2021-11-21 14:00:00]到访了P1地点， 而（Vivian，Vivian）表示Vivian在[2021-11-25 23:00:00, 2021-12-04 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）。
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。
<PMML>
<labels>
<label name="Person">
<properties>
<property dataType="long" name="startTime" cardinality="single"/>
<property dataType="long" name="endTime" cardinality="single"/>
<property dataType="string" name="name" cardinality="single"/>
<property dataType="int" name="age" cardinality="single"/>
<property dataType="string" name="gender" cardinality="single"/>
</properties>
</label>
<label name="Place">
<properties>
<property dataType="string" name="type" cardinality="single"/>
<property dataType="string" name="address" cardinality="single"/>
<property dataType="float" name="longitude" cardinality="single"/>
<property dataType="float" name="latitude" cardinality="single"/>
</properties>
</label>
<label name="Visited">
<properties>
<property dataType="long" name="startTime" cardinality="single"/>
<property dataType="long" name="endTime" cardinality="single"/>
</properties>
</label>
<label name="Dignosed">
<properties>
<property dataType="long" name="startTime" cardinality="single"/>
<property dataType="long" name="endTime" cardinality="single"/>
<property dataType="string" name="risk" cardinality="single"/>
</properties>
</label>
</labels>
</PMML>动态图的点数据
- 动态点
对于动态图的点数据如下所示，一行为一个点的数据，放在点文件中。其中，id是点数据的唯一标识，startTime表示点的整个生命周期起始时间，endTime表示点生命周期中止时间：
id,label,startTime,endTime,property1,property2...
示例：
Vivian,Person,1991-02-03 08:00:00,9999-12-31 24:00:00,薇薇安,F,25-34
- 静态点
当点数据，没有指定/定义startTime、 endTime时，认为是静态点，如下所示，一行为一个点的数据， 放在点文件中：
id,label,property1,property2...
示例：
Vivian,Person,薇薇安,F,25-34
P1,Place,residentialArea,xxxxxx,114.001494,22.554249
P2,Place,publicArea,xxxxxx,114.074367,22.53492
- 特殊说明
对于点在生命周期内的随时间发生多个特殊状态变化，如Person某段时间健康状态信息，可以将这种状态变化建模为边，一行表示点的一个状态数据，放在边文件数据中。
id,id,label,startTime,endTime,property...
示例：
Vivian,Vivian,Diagnosed,2021-11-25 23:00:00,2021-12-04 08:00:00,Covid-9
动态图的边数据
- 动态边
对于动态图的边数据如下所示，一行为一条边的数据， 格式如下所示，其中，id 1、id 2是一条边的两个端点的id，startTime表示这条边生命周期起始时间，endTime表示这条边生命周期中止时间：。
id 1, id 2, label, startTime, endTime, property 1, property 2, …
示例如下：
Vivian,P1,Visited,2021-11-21 12:05:21,2021-11-21 14:00:00
Vivian,P2,Visited,2021-11-21 16:33:18,2021-11-21 19:51:00
- 静态边
当不指定边的生命周期起始和终止时间时，认为是静态边，按一般静态边建模。
id 1, id 2, label, property 1, property 2, …
动态图点边数据文件
- 点数据文件
Vivian,Person,薇薇安,F,25-34
P1,Place,residentialArea,xxxxxx,114.001494,22.554249
P2,Place,publicArea,xxxxxx,114.074367,22.53492
- 边数据文件
Vivian,P1,Visited,2021-11-21 12:05:21,2021-11-21 14:00:00
Vivian,P2,Visited,2021-11-21 16:33:18,2021-11-21 19:51:00
