趋势分析之图数据库
AMiner全新功能技术趋势分析Trend analysis（http://trend.aminer.cn）基于AMiner 2亿篇论文数据进行深入挖掘，包括对技术来源、热度、发展趋势进行研究，进而预测未来的技术前景。技术趋势分析描述了技术的出现、变迁和消亡的全过程，可以帮助研究人员理解领域的研究历史和现状，快速识别研究的前沿热点问题。
我们目前已发布了8期分析内容，具体如下：
图数据库（Graph Batabase）是NoSQL数据库的一种类型，基本含义是以“图”这种数据结构存储和查询数据，而不是存储图片的数据库。它的数据模型主要是以节点和关系（边）来体现，也可处理键值对。可以快速解决复杂的关系问题，最常见的例子就是社会网络中人与人之间的关系。常见的图形数据库有Neo4j、FlockDB、AllegroGrap、GraphDB、InfiniteGraph等。
下面我们将用Trend analysis分析图形数据库领域内的研究热点。（点击文末阅读原文即可进入Graph Databases Trend:）
下图是当前该领域的热点技术趋势分析，通过Trend analysis分析挖掘可以发现当前该领域的热点研究话题Top10如下：
graph theory
wireless sensor network
query processing
data mining
approximation algorithms
large graph
computational complexity
algorithm design and analysis
social network
graph database
根据Trend analysis的分析我们可以发现，wireless sensor network、data mining、query processing是图形数据库领域中的热门话题，无论是话题热度排行还是论文发表数量都领先于其他相关技术，其中，data mining的论文发表数量总体而言比较多。而早期比较热门的computational complexity自21世纪以来话题热度开始逐渐下降。
Horst Bunke是该领域内的代表学者之一。
他于1998年发表的“A New Algorithm for Error-Tolerant Subgraph Isomorphism Detection”一文中提出了一种新的纠错子图同构检测算法，从一组模型图到一个未知的输入图，该算法可以与未来的成本估算方法相结合，从而大大提高其运行时的性能。
国内该领域的代表学者有北京大学的邹磊教授，香港中文大学的于旭教授等。
目前图数据库和不同领域的很多问题都有关联，比如社交网络关系、金融领域的反欺诈多维关联分析场景等。以反欺诈多维关联分析场景为例，通过图数据库可以对不同的个体、团队做关联分析，从任务在指定时间内的行为，例如去过地方的IP地址、曾经使用过的MAC地址（包括手机端、PC端、WIFI等）、社交网络的关联度分析，同一时间点是否曾经在同一地理位置附近出现过，银行账号之间是否有历史交易信息等。