人工智能之图数据库.pdfVIP

前言

随着互联网+、社交网络、智能推荐等大数据的迅猛增长，大批NoSQL数

据库已经成为互联网开发的新标配。对于大数据中关联关系的处理，图数据库的

处理性能远超其他类型数据库，被广泛应用于金融、工业、政务、零售、电信和

生命科学等各学科和工业领域，受欢迎程度遥遥领先。与此同时，图数据库也面

临着底层设计和上层语言表达的多重挑战。

本期，我们选取图数据库作为TR报告的主题。报告围绕图数据库的基本概

念、技术发展、产业应用、人才概况和热点趋势五大方面进行深入挖掘。其中基

本概念、技术发展和产业应用章节由国内领先的图数据库团队即陈文光教授带领

的清华团队完成。该团队在OSDI、EuroSys、ATC等顶级会议中发表过多篇相

关论文，他们编写的图计算系统具有业界领先的性能，并在金融、互联网等多个

领域得到实际使用。

此外，报告的人才概况和热点趋势章节依托清华大学唐杰教授自主研发的

“科技情报大数据挖掘与服务系统平台”（简称AMiner），以及第三方机构研

报、媒体报道等公开资料，通过人工智能、大数据分析与挖掘、知识图谱、自然

语言处理等技术，并结合文献计量学等情报学方法制作生成。

I

报告的数据来源与研究方法

1.数据来源

本报告中与图数据库领域相关的人才数据来均自于AMiner系统。系统采用

数据挖掘和社会网络分析与挖掘等技术，提供研究者信息抽取、研究者社会网络

关系识别、研究者能力图谱、审稿人智能推荐等功能，提供研究者和研究领域的

全面知识，为科研管理和服务提供有力支撑。平台自2006年上线以来，经过十

多年的建设发展，已建立运作良好的数据采集及集成更新机制，收录论文文献超

3亿，专利1亿，学者1.3亿，其中超过50万的学者经过了人工标注与审核吸引

220/1000IP1,800

了全球个国家地区多万独立的访问，年度访问量余万次。

2.学者及研究领域筛选方法

本次报告中的人才和技术篇采用大数据挖掘技术，对图数据库领域内的学者

信息进行深入挖掘，参考h-index、发表论文数、论文被引频次等指标，对学者

信息进行筛选，比较和分析了图数据库领域人才在全球和国内的分布概况，领域

的技术研究发展趋势，以及技术领先国家、机构趋势。

（1）由图数据库顾问组推荐期刊/会议列表和领域关键词，推荐的期刊/会议

为数据管理国际会议（TheACMSpecialInterestGrouponManagementofData,

SIGMOD）、超大型数据库国际会议（InternationalConferenceonVeryLarge

Databases,VLDBIEEEIEEEInternationalConferenceon

）、国际数据工程会议（

DataEngineering,ICDE）、图形数据管理经验与系统国际研讨会（International

WorkshoponGraphDataManagementExperiencesSystems,GRADES）、扩展数

据库技术国际会议（InternationalConferenceonExtendingDatabaseTechnology,

EDBTGraphdatabasesProperty

）。领域关键词具体包括：图数据库（）、属性图（

graphs）、资源描述框架（ResourceDescriptionFramework,RDF）、图分析（Graph

analysisACIDAtomicity,Consistency,Isolation,Durabilit