Đề cương Luận văn Cao Học Graph Database

Đề cương Luận văn Cao Học Graph Database: Tối ưu hóa và lưu trữ dấu vân tay với cơ sở dữ liệu đồ thịHọc viên thực hiện: Dương Hoàng Thanh, lớp Cao học Khoá 4, ĐHCNTT 2011Giảng viên hướng dẫn: Phó Giáo sư – Tiến sĩ Đỗ Phúc

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc

oOo

Tp Hồ Chí Minh ngày 10 tháng 03 năm 2011

ĐỀ CƯƠNG LUẬN VĂN CAO HỌC PHƯƠNG THỨC ĐĂNG KÝ: III SỐ TC: 30

1 Tên đề tài:

Tối ưu hoá Lưu trữ và Nhận dạng Dấu vân tay với Cơ sở dữ liệu đồ thị

2 Học viên thực hiện:

Dương Hoàng Thanh, mã số 0901050, lớp Cao học Khoá 4

3 Giảng viên hướng dẫn:

Phó Giáo sư – Tiến sĩ Đỗ Phúc

Cơ quan công tác:

Trường Đại học Công nghệ thông tin – Đại học Quốc gia Tp Hồ Chí Minh

Đt liên lạc:

0908169593

4 Tóm tắt mục tiêu & nội dung thực hiện:

Trong quá trình công tác tại công ty Tâm Việt, tôi đã gặp phải khó khăn khi sử dụng dấu vân tay như một phương pháp đăng nhập cho hệ thống thương mại điện tử Lúc đó, hệ thống vân tay của công ty chỉ hỗ trợ lưu trữ bằng hình ảnh và so khớp tuần tự từng ảnh một khi cần xác minh danh tính Điều này làm cho thiết kế trở nên bất khả thi vì khi số lượng khách hàng tăng cao thì thời gian cần để xử lý tác vụ trên cũng không thể chấp nhận được Vì thế, khi được thầy Đỗ Phúc giới thiệu về cơ sở dữ liệu đồ thị trong môn học cơ sở dữ liệu nâng cao, tôi đã nảy ra ý tưởng tìm hiểu và nghiên cứu ứng dụng cơ sở dữ liệu đồ thị vào việc lưu trữ và so khớp, xác minh dấu vân tay

Mục tiêu chính của đề tài là xây dựng lý thuyết về cơ sở dữ liệu đồ thị ứng dụng trong lĩnh vực sinh trắc học vân tay nhằm tìm ra giải lưu trữ và thuật toán nhận dạng dấu vân tay hiệu quả nhất về mặt thời gian và độ chính xác trên không gian tìm kiếm lớn Ngoài ra, đề tài còn hướng tới hiện thực hoá giải pháp tìm được bằng việc xây dựng một hệ thống lưu trữ và nhận dạng dấu vân tay bao gồm cả phần cứng lẫn phần mềm, đồng thời thử nghiệm hiệu suất trên

cơ sở dữ liệu giả định và thực tế

Sau đây là những nội dung chủ yếu:

PHẦN A: CƠ SỞ LÝ THUYẾT

1 Dấu vân tay và đặc điểm nhận dạng

1.1 Sinh trắc học và dấu vân tay

1.2 Các thành phần của dấu vân tay

1.2.1 Đường vân và rãnh 1.2.3 Điểm trung tâm 1.2.4 Các tiểu tiết

1.3 Ứng dụng của dấu vân tay

2 Các phương pháp lưu trữ và nhận dạng dấu vân tay

2.1 Các phương pháp thu thập dữ liệu vân tay

2.1.1 Lăn tay 2.1.2 Thiết bị cảm ứng điện tử 2.1.3 Các phương pháp khác

2.2 Các phương pháp nhận dạng

2.2.1 Nhận dạng dựa trên tiểu tiết 2.2.2 Nhận dạng dựa trên hình ảnh toàn cục

2.3 Các phương pháp lưu trữ truyền thống

2.3.1 Lưu trữ hình ảnh 2.3.2 Lưu trữ thông số

3 Khái quát về cơ sở dữ liệu đồ thị

3.1 Khái quát về đồ thị

3.1.1 Đồ thị vô hướng 3.1.2 Đồ thị có hướng 3.1.3 Đơn đồ thị và Đa đồ thị 3.1.4 Đồ thị hỗn hợp

3.1.5 Đồ thị có trọng số 3.1.6 Các dạng đồ thị quan trọng 3.1.7 Ứng dụng của đồ thị

3.2 Cơ sở dữ liệu đồ thị

3.2.1 Đồ thị có nhãn 3.2.2 Cơ sở dữ liệu đồ thị 3.2.3 Đồ thị con

3.2.4 Đẳng cấu đồ thị 3.2.5 Đẳng cấu đồ thị con

3.3 Đại số đồ thị

3.3.1 Phép chọn đồ thị 3.3.2 Phép chiếu đồ thị 3.3.3 Phép hợp đồ thị 3.3.4 Phép lấy tổng đồ thị 3.3.5 Phép giao đồ thị 3.3.6 Phép hiệu đồ thị 3.3.7 Phép kết đồ thị

3.4 Truy vấn cơ sở dữ liệu đồ thị

3.4.1 Mô hình truy vấn 3.4.2 Ngôn ngữ truy vấn 3.4.3 Tối ưu hoá truy vấn

3.5 Ứng dụng của cơ sở dữ liệu đồ thị

3.5.1 Hệ thống thông tin địa lý 3.5.2 Mạng xã hội

3.5.3 Mạng ngữ nghĩa và biểu diễn tri thức 3.5.4 Các dự án xây dựng cơ sở dữ liệu đồ thị

4 Khai phá dữ liệu đồ thị

4.1 Tìm kiếm đồ thị con phổ biến

4.1.1 Phát biểu bài toán 4.1.2 Thuật toán tìm đồ thị con phổ biến (FSG) 4.1.3 Tìm kiếm trên cơ sở dữ liệu lớn

4.2 Phân lớp dữ liệu đồ thị

4.2.1 Phát biểu bài toán 4.2.2 Các thuật toán xây dựng mô hình phân lớp 4.2.3 Phân lớp trên cơ sở dữ liệu lớn

4.3 Gom cụm dữ liệu đồ thị

4.3.1 Phát biểu bài toán 4.3.2 Các thuật toán gom cụm đồ thị 4.3.3 Phân lớp trên cơ sở dữ liệu lớn

PHẦN B: XÂY DỰNG GIẢI PHÁP VÀ TỐI ƯU HOÁ

5 Rút trích các đặc điểm của dấu vân tay

5.1 Tiền xử lý ảnh

5.1.1 Tăng cường chất lượng hình ảnh 5.1.2 Lọc nhiễu

5.2 Rút trích tiểu tiết

5.2.1 Xác định các đường vân

5.2.2 Lập bản đồ hướng 5.2.3 Xác định điểm trung tâm 5.2.4 Xác định các tiểu tiết khác

6 Lưu trữ dấu vân tay bằng cơ sở dữ liệu đồ thị

6.1 Thêm vào một số đặc điểm của dấu vân tay

6.2 Đồ thị ràng buộc kép liên tiểu tiết

6.3 Đồ thị hóa hình ảnh dấu vân tay

6.4 Tổ chức không gian lưu trữ trên cơ sở dữ liệu

7 Phân lớp dữ liệu đồ thị vân tay

7.1 Xác định tiêu chí phân lớp

7.2 Thuật toán phân lớp đồ thị vân tay

7.3 Phân lớp tiến hoá theo thời gian

8 So khớp và xác minh dấu vân tay

8.1 So khớp dấu vân tay dựa trên đồ thị

8.1.1 Thuật toán 8.1.2 Các tiêu chí đánh giá

8.2 Xác minh dấu vân tay dựa trên đồ thị

8.2.1 Thuật toán 8.2.2 Các tiêu chí đánh giá

9 Các giải pháp tối ưu hoá

9.1 Các chiến lược tìm kiếm

9.2 Cây tìm kiếm dựa trên mô hình phân lớp

9.3 Tái cấu trúc cơ sở dữ liệu

9.4 Phân tán cơ sở dữ liệu

9.5 Các giải pháp khác

PHẦN C: HIỆN THỰC HỆ THỐNG LƯU TRỮ VÀ NHẬN DẠNG VÂN TAY

10 HIỆN THỰC HỆ THỐNG

8.1 Thiết kế hệ thống

8.2 Lắp đặt phần cứng cho hệ thống

8.3 Xây dựng phần mềm cho hệ thống

8.4 Kết quả thử nghiệm

11 HƯỚNG DẪN CÀI ĐẶT VÀ SỬ DỤNG

9.1 Hướng dẫn cài đặt

9.1.1 Cài đặt phần mềm 9.1.2 Cài đặt cơ sở dữ liệu

9.2 Hướng dẫn sử dụng

9.2.1 Nhập dữ liệu vào database 9.2.2 Thực hiện tối ưu hoá cơ sở dữ liệu

9.2.3 Tiến hành nhận dạng dấu vân tay

5 Cơ sở lý thuyết:

Đề tài được triển khai dựa trên hai lý thuyết chính là sinh trắc học dấu vân tay và cơ sở dữ liệu đồ thị

Một dấu vân tay là một mẫu các đặc điểm của một ngón tay Vân tay được chứng minh là duy nhất đối với mỗi cá thể con người Vì thế, các dấu vân tay được sử dụng cho việc nhận dạng

và điều tra pháp lý trong một thời gian dài Một dấu vân tay được cấu thành bởi rất nhiều đường vân và rãnh Những đường vân và rãnh này khi in trên các cửa sổ thể hiện các đặc điểm rất giống nhau như sự song song và bề rộng trung bình Mặc dù vậy, các nghiên cứu chuyên sâu về nhận dạng vân tay đã chỉ ra rằng các dấu vân tay không thể phân biệt bởi các vân và rãnh, mà bởi các tiểu tiết, là một vài điểm khác thường của đường vân [24] Trong số rất nhiều những loại tiểu tiết được ghi nhận trong các tài liệu, có hai loại tối quan trọng và được sử dụng nhiều nhất: một loại gọi là điểm đứt gãy, là nơi kết thúc đột ngột của một vân tay; loại còn lại gọi là điểm rẽ nhánh, là nơi mà từ đó đường vân bị chia thành hai nhánh

Vấn đề nhận dạng dấu vân tay có thể được chia làm hai lĩnh vực con: một là so khớp dấu vân tay (verification), hai là xác minh dấu vân tay (indentification) [24] So khớp nghĩa là so sánh hai dấu vân tay cho trước và kết luận xem có phải được in ra từ cùng một ngón tay hay không Xác minh vân tay là việc tìm xem dấu vân tay đưa ra thuộc về người nào trong số hồ

sơ lưu trữ Hai dạng thể hiện của dấu vân tay đã dẫn đến hai hướng tiếp cận vấn đề nhận dạng dấu vân tay khác nhau [6][24]:

 Cách tiếp cận thứ nhất dựa trên các tiểu tiết, thể hiện dấu vân tay bằng các đặc điểm cục bộ Cách tiếp cận đã được nghiên cứu sâu rộng, và cũng là xương sống của các sản phẩm nhận dạng vân tay hiện tại có trên thị trường

 Cách tiếp cận thứ hai sử dụng các phương pháp dựa trên hình ảnh, cố gắng so khớp trên những đặc điểm toàn cục của toàn phần hình ảnh dấu vân tay Cách tiếp cận này

là một phương pháp tiên tiến và nổi trội về nhận dạng vân tay Nhận dạng dựa trên hình ảnh rất hữu dụng khi giải quyết những vấn đề mà cách thứ nhất không thể khắc phục

Để khắc phục nhược điểm của cả hai cách tiếp cận truyền thống (dựa trên tiểu tiết và dựa trên hình ảnh), các tác giả F Benhammadi, H Hentous và K.Bey Beghdad trong bài báo về

“Phương pháp nhận dạng dựa trên đồ thị ràng buộc liên tiểu tiết” [6] đã đề xuất giải pháp nhận dạng hoàn toàn mới, sử dụng đồ thị liên tiểu tiết hai trọng số Kết hợp cách tiếp cận này với cơ sở dữ liệu đồ thị và hiện thực thành một giải pháp cụ thể chính là mục tiêu của đề tài

Bài báo được viết bởi Leonhard Euler về “Bảy cây cầu ở Königsberg” xuất bản năm 1736 được xem như bài báo đầu tiên trong lịch sử của lý thuyết đồ thị [23] Từ đó đến nay, lý thuyết đồ thị đã phát triển không ngừng và trở thành một phần quan trọng của toán học hiện đại Cùng với sự phát triển vượt bậc của khoa học máy tính và công nghệ thông tin, lý thuyết

đồ thị đã đem đến những ứng dụng hết sức ấn tượng, giải quyết được nhiều bài toán trong các lĩnh vực khác nhau như sinh học phân tử, cơ sở dữ liệu DNA, cơ sở dữ liệu protein, cơ sở dữ liệu video, dữ liệu cấu trúc hoá học, CAD/CAM, điều khiển luồng giao thông, tài liệu XML, Web và phân tích mạng xã hội, mạng thông tin, mạng ngữ nghĩa,… Trong lý thuyết đồ thị, quan hệ giữa các đối tượng cũng quan trọng như chính đối tượng được thể hiện, do đó lý tưởng để giải quyết việc so khớp các mô hình như dấu vân tay, nhận diện khuôn mặt, xử lý ảnh, tìm kiếm motif protein trong cơ sở dữ liệu protein [13], tìm kiếm hợp chất hoá học trong dược phẩm… Cho đến hiện tại, nhưng nghiên cứu về truy vấn dữ liệu đồ thị vẫn còn đang tiếp tục và mang tính thời sự [4] [7] [8] [18] Mô hình cơ sở dữ liệu đồ thị được hình thành nhằm tăng cường công cụ tìm kiếm, cho phép truy vấn và thao tác dữ liệu đồ thị với những thuộc tính và cấu trúc tương tự Một số hệ thống cơ sở dữ liệu đồ thị có liên quan bao gồm hệ thống GRACE [18], hệ thống GOQL [10], hệ thống SBGE [3]

Một cơ sở dữ liệu đồ thị là một tập hợp các đồ thị thành viên G = {G1, G2, G3,…, Gn} trong

đó mỗi đồ thị Gi là một đồ thị có nhãn [13] Đồ thị có nhãn là một bộ sáu G = (V, E, VL, λ, VI,

δ), trong đó

 V là tập các đỉnh

 E là tập các cạnh

 VL là tập các nhãn đỉnh

 VN là tập các định danh của đỉnh

 λ: V → VL là một hàm gán nhãn đỉnh

 δ: V → VN là một hàm đặt tên đỉnh

Dù cho đây cũng là một loại cơ sở dữ liệu và có thể được cài đặt bằng cơ sở dữ liệu quan hệ, nhưng do đối tượng lưu trữ chính không phải quan hệ mà là đồ thị, các đại số quan hệ và hệ quả là các truy vấn đều không còn phù hợp và phải định nghĩa lại sao cho đầu vào và đầu ra đều là các đồ thị hoặc đồ thị con Đồng thời, thuật toán cài đặt của các phép đại số này cũng được biến đổi dựa trên lý thuyết đồ thị cho phù hợp với đối tượng dữ liệu mới Từ đó ra đời đại số đồ thị để phân biệt với đại số quan hệ Sự khác biệt này lớn đến mức có nhiều dự án xây dựng lại cơ sở dữ liệu đồ thị mà không dựa trên SQL truyền thống như Gremlin[21], Bigdata [20], HyperGraphDB [9], InfiniteGraph [14], InfoGrid [12], Neo4j [11], AllegroGraph, sones, DEX [17], Graphd, Filament, FlockDB, OrientDB [15], VertexDB [19], Blueprints…

Theo F Benhammadi, H Hentous và K.Bey Beghdad [6], trong giai đoạn thu thập dấu vân tay, mạng tương quan cho mỗi tiểu tiết mi được tính toán từ những đặc điểm (khoảng cách Euclide, số đường vân và góc tương quan liên tiểu tiết) giữa tiểu tiết này và các tiểu tiết mj

khác, trong đó j  i và mẫu dấu vân tay được sinh ra từ đồ thị liên tiểu tiết tổng thể, thể hiện mạng quan hệ tiểu tiết như trong hình sau:

Mạng quan hệ liên tiểu tiết thực chất là một đồ thị và rất thích hợp để lưu trữ bằng cơ sở dữ liệu đồ thị

Một ý tưởng nữa được thêm vào đề tài là thay vì lưu nhiều đồ thị cho một dấu vân tay, ta chỉ lưu một đồ thị duy nhất với trung tâm là điểm trung tâm của dấu vân tay Điều này hứa hẹn giảm lượng thông tin cần lưu trữ và xử lý trong khi vẫn đảm bảo tính chính xác

Bên cạnh đó, các kỹ thuật khai phá dữ liệu cũng sẽ được nghiên cứu phục vụ cho tối ưu hoá truy vấn Khai phá dữ liệu đồ thị là quá trình rút trích những tri thức (mẫu, ngoại lệ…) từ dữ

liệu có cấu trúc có thể được trình bày dưới dạng một đồ thị [5] Việc phân tích và khai phá dữ liệu đồ thị thường nhằm những mục đích sau:

 Tìm kiếm mẫu trong các đồ thị, bao gồm mẫu đồ thị phổ biến, tổng kết mẫu, các mẫu tối ưu, các mẫu đồ thị có ràng buộc, các mẫu đồ thị xấp xỉ…

 Gom cụm đồ thị, tìm kiếm những nhóm đồ thị tương đồng

 Phân lớp đồ thị nhằm xây dựng mô hình dự báo, xây dựng cây quyết định

Khai phá dữ liệu đồ thị mang đến nhiều ứng dụng trong thực tế, bao gồm khám phá các motif

có cấu trúc như các thành phần hoá học, kiến trúc phân tử, protein, nhận dạng và từ đó có thể

dự đoán tính chất thông qua cấu trúc đặc trưng, tìm kiếm, sàng lọc tốc độ cao, nghiên cứu mô hình hành vi của mạng xã hội… Khi áp dụng trên cơ sở dữ liệu vân tay, các kỹ thuật mày có khả năng cải thiện đáng kể tốc độ truy vấn, tìm kiếm

6 Phạm vi ứng dụng:

Đề tài chủ yếu nhắm đến ứng dụng trong lĩnh vực bảo mật, nhận dạng danh tính bằng sinh trắc học Đây là xu hướng đang được kỳ vọng hiện nay và có ứng dụng rộng rãi trong giao dịch thương mại điện tử, bảo mật thông tin, chấm công, an ninh… Những lĩnh vực này đều yêu cầu độ chính xác nghiêm ngặt cũng như tốc độ xử lý gần như tức thời trên cơ sở dữ liệu quy mô lớn Do đó, nếu phần mềm thử nghiệm đạt kết quả tốt thì hoàn toàn có thể đưa vào thương mại hoá

Không những thế, những kết quả đạt được trong quá trình nghiên về lý thuyết cơ sở dữ liệu

đồ thị, nhất là việc tổ chức dữ liệu và tối ưu hoá truy vấn trên cơ sở dữ liệu đồ thị có quy mô lớn còn có thể mở rộng ứng dụng ra nhiều lĩnh vực khác nhau như sở dữ liệu sinh trắc học (nhận dạng mắt, khuôn mặt…), cơ sở dữ liệu đa phương tiện (hình ảnh, âm thanh…), mạng ngữ nghĩa, mạng xã hội…

Tuy nhiên, trong khoảng thời gian cũng như nguồn lực có hạn, đề tài cũng chỉ tập trung vào giải quyết bài toán tổ chức, truy vấn và tối ưu hoá trên cơ sở dữ liệu vân tay, đặc biệt là những cơ sở dữ liệu có quy mô lớn, thông qua việc đồ thị hoá cơ sở dữ liệu này Do đó, trọng tâm của đề tài xoay quanh lý thuyết cơ sở dữ liệu đồ thị và ứng dụng trong sinh trắc học hơn

là các công nghệ phần cứng cũng như phần mềm đang được sử dụng hiện nay

7 Dự kiến kết quả đạt được:

Kỳ vọng trước hết của đề tài là xây dựng được một giải pháp hiệu quả cho việc tổ chức lưu trữ và nhận dạng dấu vân tay bằng cơ sở dữ liệu đồ thị Tính hiệu quả của giải pháp sẽ được đánh giá thông qua các tiêu chí về độ chính xác và thời gian nhận dạng, không gian và chi phí

lưu trữ trên quy mô dữ liệu lớn Hệ thống thử nghiệm ban đầu ít nhất cũng phải cho khả năng tìm kiếm trên cơ sở dữ liệu tối thiểu 1000 dấu vân tay với thời gian dưới 1 phút và độ chính xác gần như 100% (có thể từ chối nhầm ở tần suất thấp nhưng không xảy ra chấp nhận nhầm)

Tiếp đến, đề tài còn hứa hẹn đóng góp thêm kiến thức và nền tảng lý luận cho cơ sở dữ liệu

đồ thị, nhất là việc tối ưu hoá tổ chức lưu trữ và tìm kiếm trên không gian dữ liệu lớn Đây sẽ

là kết quả hết sức có giá trị, giúp củng cố lý thuyết và mở rộng thêm nhiều lĩnh vực ứng dụng của cơ sở dữ liệu đồ thị nói chung

Không những thế, như đã đề cập ở trên, bên cạnh việc nghiên cứu lý thuyết, đề tài cũng sẽ hiện thực hoá các kết quả này bằng một hệ thống nhận dạng vân tay tương đối hoàn chỉnh, bao gồm cả phần cứng và phần mềm, không chỉ có giá trị thực nghiệm mà còn đem lại khả năng thương mại hoá và ứng dụng vào thực tế

8 Hướng phát triển:

Phạm vi của đề tài chỉ tập trung vào phần lưu trữ và nhận dạng, do đó quy trình tiền xử lý dữ liệu mà cụ thể là xử lý ảnh vân tay vẫn còn bị bỏ ngỏ Tập trung nâng cao hiệu suất tiền xử lý

dữ liệu, tăng cường chất lượng hình ảnh, loại bỏ nhiễu… là yêu cầu hết sức cần thiết để đạt được một giải pháp hoàn thiện

Bên cạnh đó, do mục tiêu nhắm đếm các cơ sở dữ liệu quy mô lớn, hướng nghiên cứu chuyển

từ cơ sở dữ liệu tập trung sử dụng trong đề tài sang cơ sở dữ liệu phân tán cũng cần được xem xét Đây thực sự là một bài toán khó nhưng lại mang tính hiện thực cao

Những kết quả đạt được của đề tài còn có thể được nghiên cứu mở rộng áp dụng cho các lĩnh vực sinh trắc học tương tự như nhận dạng mắt, khuôn mặt,… Không chỉ dừng lại ở đó, hướng nghiên cứu về cơ sở dữ liệu đồ thị có quy mô lớn vẫn là một hướng mở và nhiều thử thách

9.Tài liệu tham khảo

Tiếng Việt:

[1] Nguyễn Hoàng Huy, Nhận dạng vân tay, Luận văn Thạc sĩ chuyên ngành Kỹ thuật

điện tử, Đại học Bách khoa, Đại học Quốc gia Tp Hồ Chí Minh, 2007

[2] Wikipedia tiếng Việt, Đồ thị (lý thuyết đồ thị), [Online] tại địa chỉ

http://vi.wikipedia.org/wiki/%C4%90%E1%BB%93_th%E1%BB%8B_(to%C3%A 1n_h%E1%BB%8Dc)

Tiếng Anh:

[1] Adam Wiggins, Graph Databases, 2010, [Online] available at

http://adam.heroku.com/past/2010/3/15/graph_databases/

[2] Anil Jain, Sharath Pankanti, Fingerprint Classification and Matching, Handbook for

Image and Video Processing, 2000

[3] B A Eckman, P G Brown, Graph data management for molecular and cell biology, Source, IBM Journal of Research and Development archive, Volume 50,

Issue 6, 2006

[4] Dennis Shasha, J T L Wang, and R Giugno, Algorithmics and Applications of Tree and Graph Searching, In Proc PODS’02 Proceeding of the International

Conference in Pattern recoginition (ICPR), Quebec, Canada, 2002

[5] Do Phuc, Mining, Indexing and Searching Graph Data base, Lectures, University of

Information Technology, Vietnam, 2010

[6] F.Benhammadi, H.Hentous, and K.BeyBeghdad, A fingerprint recognizer using interminutiae binary constraint graph, EURASIP Journal on Advances in Signal

Processing, Volume 2008, Hindawi Publishing Corporation, 2008

[7] Haoliang Jiang, Haixun Wang, Philip S Yu, Shuigeng Zhou, Gstring: A novel approach for efficient search in graph databases, IEEE 23rd International Conference on Data Engineering, 2007

[8] Huahai He and Ambuj K Singh, Graphs-at-a-time: Query Language and Access Methods for Graph Databases, Proceedings of the ACM SIGMOD International

Conference on Management of Data (SIGMOD’08), Vancouver, Canada, 2008

[9] Kobrix Software, Hyper Graph DB Project, 2010, [Online] available at

http://www.hypergraphdb.org/index

[10] Lei Sheng, Z M Ӧzsoyoglu, G Ӧzsoyoglu, A Graph Query Language and Its Query Processing, 15th International Conference on Data Engineering (ICDE’99),

1999

[11] Neo Technology, Neo4j Project – The graph database, 2010, [Online] available at

http://neo4j.org/

[12] NetMesh Inc, InfoGrid Project – The Web Graph Database, 2010, [Online]

available at http://infogrid.org/

[13] Nguyen Thi Kim Phung and Do Ha Loc, Graph database and application to protein structure database, Proceedings of the Sixth International Conference on

Information Technology for Education Research (IT@EDU2010), 2010

[14] Objectivity Inc., Infinite Graph Project – The distributed Graph database, 2010,

[Online] available at http://www.infinitegraph.com/

[15] Orient Technologies, Orient DB Project, 2010, [Online] available at

http://www.orientechnologies.com/

[16] Saraswathi Vishveshwara et al, Protein Structure insights from graph theory,

Journal of Theoretical and Computational Chemistry, Vol 1, No 1, 2002