CN104423964B - 用于确定可视化的可信性的方法和系统 - Google Patents
用于确定可视化的可信性的方法和系统 Download PDFInfo
- Publication number
- CN104423964B CN104423964B CN201410398356.5A CN201410398356A CN104423964B CN 104423964 B CN104423964 B CN 104423964B CN 201410398356 A CN201410398356 A CN 201410398356A CN 104423964 B CN104423964 B CN 104423964B
- Authority
- CN
- China
- Prior art keywords
- visualization
- credible
- visual
- criterion
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Abstract
本发明涉及用于确定可视化的可信性的方法和系统。本发明的一个实施例公开一种用于确定可视化的可信性的方法、计算机程序产品和系统。从电子设备接收可视化数据。将所述可视化数据与多个可视化可信性准则相比较,以便确定每个所述可视化可信性准则的可信性级别。基于每个所述可视化可信性准则的所述可信性级别,对所述可视化的所述可信性进行分级。
Description
技术领域
本发明一般地涉及可视化领域,更具体地说,涉及可视化的可信性。
背景技术
可视化存在于几乎任何主题中。可视化是用于创建图像、图表或动画以便传送消息的任何技术。存在许多可视化领域,包括信息可视化、地质可视化(地学可视化)、交互式可视化、科学可视化和软件可视化等等。数据可视化是有关数据的可视表示的研究。数据可视化的一个实例可以是显示有关社交媒体的多个连接的线图。地学可视化可以是地形图。我们每天看到的常见信息可视化是天气图。天气图从大气数据和雷达生成,并且显示当前状况和未来天气状况的预测。随着可视化领域的继续发展,可视化领域产物的一个实例是可视分析。可视分析是可视交互式接口促进的分析推理科学,这些接口可以解决某些问题,这些问题的大小、复杂性和对紧密耦合的人机分析的需要使得问题难以解决。可视化继续成为我们日常活动的一个常见部分。可视化领域继续扩展,从而提供传送、理解数据和越来越复杂的系统的新方式。
发明内容
本发明的各实施例公开一种用于确定可视化的可信性的方法、计算机程序产品和系统。将可视化数据与多个可视化可信性准则中的一个或多个可视化可信性准则相比较,以便确定所述多个可视化可信性准则中的一个或多个可视化可信性准则中的每一个的可信性级别。基于所述多个可视化可信性准则中的所述一个或多个可视化可信性准则中的每一个的所述可信性级别,对所述可视化的可信性进行分级。
本发明的各方面公开一种用于确定可视化的可信性的计算机程序产品。所述计算机程序产品包括一个或多个计算机可读存储介质以及存储在所述一个或多个计算机可读存储介质上的程序指令。所述程序指令从电子设备接收可视化数据,所述程序指令用于将所述可视化数据与多个可视化可信性准则中的一个或多个可视化可信性准则相比较,以便确定所述多个可视化可信性准则中的一个或多个可视化可信性准则中的每一个的可信性级别。所述程序指令基于所述多个可视化可信性准则中的所述一个或多个可视化可信性准则中的每一个的所述可信性级别,对所述可视化的可信性进行分级。
在本发明的另一个方面,一种计算机系统用于确定可视化的可信性。所述计算机系统包括一个或多个计算机处理器和/或一个或多个计算机可读存储介质,其中所述程序指令存储在所述计算机可读存储介质上以便由所述一个或多个处理器中的至少一个执行。所述程序指令包括将可视化数据与多个可视化可信性准则中的一个或多个可视化可信性准则相比较,以便确定所述多个可视化可信性准则中的一个或多个可视化可信性准则中的每一个的可信性级别的程序指令。包括所述程序指令以便基于所述多个可视化可信性准则中的所述一个或多个可视化可信性准则中的每一个的所述可信性级别,对所述可视化的可信性进行分级。
附图说明
图1是示出根据本发明一个实施例的分布式数据处理环境的功能框图;
图2是示出根据本发明一个实施例的可视化分析程序在图1的数据处理环境中的计算机系统上的操作步骤的流程图;
图3示出根据本发明一个实施例的由可视化分析程序执行的图形可视化分析的操作步骤;
图4示出根据本发明一个实施例的执行可视化分析程序的计算机系统的组件的框图。
具体实施方式
可视化领域的技术人员将认识到可视化的涵盖领域和发展集中于可视化以便表示复杂的系统和数据。我们当今看到的某些可视化可以如同地图那样简单,或者如同计算机图形领域中的可视化、对汽车如何在偏置碰撞试验中变形进行建模那样复杂。在信息可视化中,可视化使用计算机支持的工具浏览大量数据(大部分是抽象数据),方法是选择数据并且转换数据以便开发一种促进浏览和理解的形式。信息可视化的实例包括:早期因特网使用图,其中每行表示两个网际协议(IP)地址,或者葡萄牙出口树图,其中树图将分层数据显示为一组嵌套矩形。树的每个分支是一个矩形,其通过表示子分支的更小图块平铺而成。矩形的面积与被映射数据的指定维度成比例。可以通过使用颜色在树图中示出其它维度和数据。当大小和颜色维度在树结构中以显著方式关联时,可以出现通常难以发现的模式。在此类情况下,选择维度和颜色对于成功评估树映射信息可视化而言可以很重要。
本发明的各实施例认识到并非所有这些可视化都如同其它可视化那样有效或准确。本发明的各实施例提供一种计算机驱动的方法,其用于确定可视化的可信性以及可视化的可信性分级以供客户使用。可信性被定义为可被相信的质量。传统上,可信性依赖于两个主要部分:专业知识和确实性。使用可视化领域中的公认专家提供的可信性准则评估可视化的可信性,本发明的各实施例中提供的方法解决可信性的这两个主要元素。
所属技术领域的技术人员知道,本发明的各个方面可以实现为系统、方法或计算机程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、驻留软件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。此外,本发明的各个方面还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码/指令。
可以采用计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是—但不限于—电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括例如在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括—但不限于—电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括—但不限于—无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的各个方面的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
下面将参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。
也可以把这些计算机程序指令存储在计算机可读介质中,这些指令使得计算机、其它可编程数据处理装置、或其它设备以特定方式工作,从而,存储在计算机可读介质中的指令就产生出包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的指令的制造品(article of manufacture)。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其它可编程装置上执行的指令提供实现流程图和/或框图中的一个或多个方框中规定的功能/动作的过程。
现在将参考附图详细地描述本发明。图1是示出根据本发明一个实施例的分布式数据处理环境(总体指定为100)的功能框图。分布式数据处理环境100包括计算机系统111、专家数据库105以及客户机设备120、130、140和150,它们全部通过网络110互连。
网络110例如可以是局域网(LAN)、诸如因特网之类的广域网(WAN),或者这两者的组合,并且可以包括有线、无线或光纤连接。一般而言,网络110可以是支持计算机系统111和客户机设备120、130、140、150及专家数据库105之间的通信的连接和协议的任意组合。
计算机系统111可以是膝上型计算机、平板计算机、上网本计算机、个人计算机(PC)、台式计算机、个人数字助理(PDA)、智能电话,或者是能够经由网络110与专家数据库105、客户机设备120、130、140和150通信以及与分布式数据处理环境100中的各种组件和设备通信的任何可编程电子设备。在某些实施例中,计算机系统111表示使用集群计算机和组件的计算机系统,当通过网络110访问时,这些集群计算机和组件用作单个无缝资源池,这在数据中心中以及使用云计算应用时很常见。计算机系统111可以包括内部和外部硬件组件,如针对图4进一步详细示出和描述的那样。计算机系统111包括可视化分析程序102和转换程序101。计算机系统111可以是可由可视化分析程序102的多个用户访问的服务器计算机系统。
在本发明的不同实施例中,客户机设备120、130、140和150均可以是计算机、膝上型计算机、个人数字助理(PDA)、平板计算机、扫描仪、智能电话,或者是能够与计算机系统111通信的任何电子设备。
可视化分析程序102位于计算机系统111上。可视化分析程序102经由网络110从客户机设备120、130、140和150接收可视化数据。可视化分析程序102可以将可视化数据与来自专家数据库105的数据比较。可视化分析程序102使用专家数据库105提供的可信性准则,确定可视化可信性级别。可视化分析程序102可以基于可信性准则评估结果,确定可视化可信性分级。可视化分析程序102通过网络110将可视化可信性分级发回到起始客户机设备或另一个标识的设备。
位于计算机系统111上的转换程序101可以从可视化分析程序102接收未采用机器可读格式的可视化数据。某些数据(例如发布图、条形图表、热图、数据照片、硬拷贝图、模型或其它可视化)例如可以被扫描并且发送到可视化分析程序102。可视化分析程序102将非机器可读数据发送到转换程序101。转换程序101可以使用各种技术将可视化数据转换为机器可读格式。例如,光绘图仪、图形数字化仪或光栅化可以数字化可视化数据。
转换程序101数字化可视化数据或者将其转换为机器可读格式之后,转换程序101将机器可读可视化数据发回到可视化分析程序102。
专家数据库105存储由可视化领域的一个或多个专家输入的可视化可信性准则。专家数据库105可以从可视化分析程序102接收查询,以便提供用于可视化评估的可视化可信性准则。查询可以请求有关存储在专家数据库105中的一个或多个领域、类型或其它分组的可视化可信性准则的可视化可信性准则。专家数据库105可以是一个或多个存储设备。在一个实施例中,专家数据库105可以作为子程序或例程包括在计算机系统111中。
图2是示出根据本发明一个实施例的可视化分析程序102的操作步骤的流程图。
在步骤201,可视化分析程序102从客户机设备120、130、140或150之一接收可视化数据。在本发明的一个实施例中,可视化数据包括用户用于标识提供的可视化类型的领域。例如,客户机设备可以根据用户输入发送信息可视化并且将其标识为双曲线树。在另一个实例中,客户机设备可以发送表面流可视化,其被标识为流线或表面流可视化。在另一个实施例中,客户机设备可以发送具有可视化数据的可视化类型的用户标识。可视化分析程序120接收可视化领域或类型以便用于评估可视化可信性。
在步骤203,可视化程序102判定可视化数据是否采用机器可读格式。在本发明的一个实施例中,客户机设备可以将扫描的数据或其它非机器可读数据发送到可视化分析程序102。如果确定从客户机设备接收的可视化数据采用机器可读格式,则可视化分析程序继续到步骤205。当可视化分析程序102接收到未采用适当格式以便由可视化分析程序102处理的数据(例如,未采用机器可读格式)时,可视化分析程序102继续到步骤204,并且将可视化数据发送到计算机系统111上的转换程序101。
在步骤204,可视化分析程序102将可视化数据发送到转换程序101。转换程序101例如可以使用光读图器、图形数字化仪、光栅化或扫描线渲染,首先将物理图像转换为数字图像。经由特性匹配、神经网络或其它类似技术进行进一步分析,以便将数字图像变成机器可读格式,该格式包括可视化方面的数据以及可视化的结构和装饰。该机器可读格式可以是XML、JSON或纯二进制格式。转换程序101还可以使用诸如形状识别程序之类的多个应用进行数据图像转换。当转换程序101运行的可视化数据转换完成时,可视化分析程序102从转换程序101接收机器可读数据。在另一个实施例中,可以将转换程序101的功能集成到可视化分析程序102中。
在步骤205,可视化分析程序102使用可视化可信性准则评估可视化可信性。可视化分析程序102查询专家数据库105以获得可视化可信性准则。专家数据库105包含用于评估可视化可信性的准则。专攻可视化主题的一个或多个专家提供准则或者在专家数据库105中直接输入准则以进行可信性评估。这些专家可以具有可视化方面的专业知识,更具体地说,可以具有特定可视化领域方面的专业知识。例如,专攻地学可视化的一个或多个专家可以提供用于评估地学可视化的可信性准则。在本发明的一个实施例中,用户可以输入可信性准则。当接收用户输入作为可视化可信性准则时,专家数据库105可以使用众包。在另一个实施例中,智能系统(例如,IBM的Watson)可以在专家数据库105中输入机器确定的可视化可信性准则。在本发明的一个实施例中,可视化分析程序102编辑将可视化数据与专家数据库105提供的每个可信性准则相比较的可视化评估的结果。在本发明的一个示例性实施例中,某一领域或类型的可视化的一个或多个专家针对每个领域和/或类型的可视化,向专家数据库105提供一组可信性准则。例如,可视化领域可以包括地学可视化、信息可视化、图形可视化、科学可视化和数据可视化。可视化技术或方法的类型提供可视化领域的细分。为了便于讨论,出于本发明实施例的目的,可以将可视化技术或方法的类型称为可视化类型。对于信息可视化,可视化类型的实例包括双曲线树、直方图、分支图、树图和散点图。专家数据库105针对某一领域或类型的可视化布置可信性准则或一组可信性准则。可视化分析程序102可以查询专家数据库105以获得有关某一领域或类型的可视化的可信性准则。当用户标识可视化类型时,可视化分析程序102对照用于所标识的可视化类型的一组可信性准则来评估可视化。例如,客户机设备120提供用户输入的可视化数据,从而将可视化标识为数据可视化,具体地说标识为思维导图。可视化分析程序102可以将提供的可视化数据与用于思维导图可视化的可信性准则相比较。对于针对可视化评估的每个可信性准则,可视化可信性准则评估结果例如可以采用以下形式:可信、不可信或不适用。
在本发明的另一个实施例中,可视化分析程序102使用决策树或类似过程确定可视化的领域或类型。例如,可视化分析程序102(构造如下)可以示出一种用于标识信息可视化的方法。客户机设备可以为可视化分析程序102提供树图、某种类型的信息可视化的可视化数据。可视化分析程序102可以评估可视化的一系列属性。在一个实施例中,可视化分析程序102可以将接收的可视化的形式(包括形状、线和文本)与已知的可视化形式(例如,树图、控制面板、数据流图或线图)相比较。可视化分析程序102可以使用一系列“是”或“否”型查询确定可视化的领域或类型。用于分析可视化以确定可视化类型的一系列问题的实例可以如下所示:是否为二维可视化,如果是,则是否为线图,如果否,则是否为一个或多个圆,如果否,则是否为矩形或矩形系列,如果是,则是否为嵌套矩形,如果是,则应用树图的可信性准则。可视化分析程序102查询专家数据库105以提供用于信息可视化领域的一组可信性准则,具体地说,提供开发的用于评估树图的一组可信性准则。在某些情况下,可以对来自一个或多个领域或类型的可视化可信性的可信性准则进行评估。可视化领域当今密切相关并且可以是重叠领域,例如19世纪霍乱爆发的点图可以是科学可视化和信息可视化两者。随后讨论的图3是用于评估图形可视化的可能方法的一个特定实例。图3的讨论包括可以应用的特定可信性准则的某些实例。
在步骤207,可视化分析程序102对可视化可信性进行分级。可视化分析程序102提供可视化的可信性评估结果,其采用以下形式编辑:x可信、y不可信和z不适用,其中x、y和z通过比较可视化与专家数据库105提供的每个可信性准则来确定。例如,在可信性评估中,x个可信结果提供与可视化相比较的每个单独可信性准则的所有可信结果的总和或计数。在某些情况下,可视化评估可以针对可视化的可信性分级提供不足的可信结果。在某些情况下,可信性评估仅可以产生一个可信结果,所属技术领域的技术人员将认识到优选评估可以产生多个可信结果。例如,当可视化程序102可以评估多个可信准则时,多个可信评估可以是优选的。
在本发明的一个实施例中,可视化分析程序102使用可信结果数量除以可信结果数量和不可信结果数量的比率,创建百分比可信的分级。产生的x个可信评估与x个可信评估和y个不可信评估的总和的比率或者x/(x+y)可以被示出为乘以100的百分比可信,例如:16个可信评估和4个不可信评估将为80%可信(16/20*100)。可视化分析程序102将可视化的可信性分级返回到起始客户机设备,例如采用形式80%可信,并且包括用于可视化可信性准则分析的可视化领域和/或类型。
在本发明的另一个实施例中,可视化分析程序102可以将结果转换成自然语言格式。在一个实例中,可视化分析程序102可以使用自然语言和以下转换,将可视化准则评估转换为可容易理解的可信性分级:
上面示出的可信性分级和百分比可信在该表中用作实例。可以使用其它百分比、度量(例如比率、数量),或者采用自然语言的不同可信性分级或者针对可信性分级选择的单词。
在步骤209,可视化分析程序102将可视化可信性分级发送到起始客户机设备或其它指定的客户机设备。可视化分析程序102例如可以将可视化可信性分级作为以下各项发送:作为可视化可信性准则评估的编辑结果(x可信、y不可信和z不适用)、作为百分比可信,或者作为自然语言分级(可信、稍微可信或不可信)。在本发明的一个示例性实施例中,在客户机设备将可视化数据发送到可视化分析程序102之前,用户可以在客户机设备上选择所需的可视化可信性分级格式(已编辑数据、百分比可信或自然语言)。可视化分析程序102可以如指定的那样将可视化可信性分级发送到用户。可视化分析程序102还可以包括一个或多个领域或类型的可视化,它们用于在返回可视化可信性分级时评估可视化。
图3示出根据本发明一个实施例的图形可视化分析的操作步骤。图3是在图2的步骤205发生的图形可视化可信性评估的一个实例的详细描述。
在步骤302,可视化分析程序102可以查询专家数据库105以便提供有关可视化类型(如果客户机设备提供)的可视化可信性准则。例如,如果用户将可视化领域或类型标识为条形图,则客户机设备150可以向可视化分析程序102将可视化标识为条形图。可视化分析程序102可以查询专家数据库105以便提供条形图的可信性准则。
如果客户机设备未提供标识的可视化领域或类型,则可视化分析程序102可以使用决策树或类似方法确定可视化类型,如在图2的步骤207讨论的那样。用于图形可视化的决策树可以执行一系列步骤以便确定可视化领域或类型。例如,可视化分析程序102可以使用形状识别程序,以及将已知形状和形式与可视化数据比较以便标识图形可视化类型。如在步骤207,可视化分析程序可以执行一系列是/否查询以便标识可视化类型,例如:可视化是否为二维表示,如果是,则是否使用x–y轴,如果是,则是否为单独点,如果否,则是否为一条或多条线,如果是,则线是否形成从一个轴扩展的矩形,如果是,则评估条形图可信性准则。可视化分析程序可以查询专家数据库105以获得条形图的可视化可信性准则。
在步骤304,使用图形可视化领域的专家提供的条形图可信性准则,进行图形可视化数据评估。评估的某些可信性准则的实例可以包括:
是否标记轴?
是否标记条?
标度是否正确?
阴影或颜色变化是否清晰?
条高是否清晰?
其中可视化分析程序102可以将图形可视化准则标识为不可信的情况的实例可以包括:未标记轴或条的图、可能未使用适当标度的图,或者可能由于相似颜色或阴影而难以读取。
在步骤306和308,可视化分析程序102可以确认是否标记轴以及是否标记或标识每个条。当针对轴和条确认存在标记或标识时,可视化分析程序102可以将条形图评估为针对轴标记和条标记可信。
在步骤310,可视化分析程序102判定用于条的标度是否正确。不可信图的一个实例可以包括以下图:针对值具有大变化(范围从50到10,000)的数据使用线性x-y标度。如果以对数标度示出,则可视化分析程序102可以将具有较大值范围(从50到10,000)的数据图评估为可信。在另一个实例中,可视化分析程序102可以将在使用的标度中具有间隔的条形图可视化评估为不可信。在某些情况下,图可以始于0并然后跳到大数(例如100),并且在标度或轴上使用较小增量。换言之,图以一个增量跳到100,然后针对类似增量按10继续(人为地,增大数据中的较小差异)。相反地,当数据范围从200到300(使数据中的变化模糊不清)时,使用范围从0到10,000的轴或标度的图将被视为不可信。
在步骤312,可视化分析程序102判定阴影或颜色中的变化是否清晰。在评估颜色或阴影中的变化以使视觉清晰时,存在多个标度以便评估颜色(例如,光谱主系统RGB)、色度、饱和度和亮度。使用这些值的程序例如可以评估颜色。如果条阴影变化对于一般用户而言不足够清晰(例如,颜色强度、黑色或亮度变化不足),则可视化分析程序102可以将使用灰色阴影的条形图评估为不可信。例如,可视化分析程序102可以将使用黑色和白色条的条形图评估为可信,或者将使用黄色、红色和蓝色的条形图评估为可信。
在步骤314,可视化分析程序102可以判定条高是否清晰。在某些实例中,条形图可以使用难以读取的三维条。读取条高产生视觉混淆,这是由于多条水平线(条高和三维元素的高度)所致。可视化分析程序102可以作为可信条查找图中的二维条,而三维条可能在条高清晰性方面不可信。
在步骤316,可视化分析程序102编辑可信性准则评估的结果。
图4示出用于实现本发明的各实施例的计算机系统111的组件的框图。
计算机系统111包括通信结构402,通信结构402在计算机处理器(多个)404、存储器406、永久性存储装置408、通信单元410和输入/输出(I/O)接口(多个)412之间提供通信。通信结构402可以使用任何体系架构实现,该体系架构被设计为在系统中的处理器(微处理器、通信和网络处理器等)、系统存储器、外围设备和任何其它硬件组件之间传递数据和/或控制信息。例如,通信结构402可以使用一个或多个总线实现。
存储器406和永久性存储装置408是计算机可读存储介质。在该实施例中,存储器406包括随机存取存储器(RAM)414和高速缓冲存储器416。一般而言,存储器406可以包括任意合适的易失性或非易失性计算机可读存储介质。
可视分析程序102和转换程序101存储在永久性存储装置408中,以便经由存储器406中的一个或多个存储器由一个或多个相应的计算机处理器404执行。在该实施例中,永久性存储装置408包括硬磁盘驱动器。备选地,或者除了硬磁盘驱动器之外,永久性存储装置408可以包括固态硬盘驱动器、半导体存储器件、只读存储器(ROM)、可擦式可编程只读存储器(EPROM)、闪存,或者能够存储程序指令或数字信息的任何其它计算机可读存储介质。
永久性存储装置408使用的介质也可以是可移动介质。例如,可移动硬盘驱动器可以用于永久性存储装置408。其它实例包括光盘和磁盘、拇指驱动器以及智能卡,它们插入到驱动器中以便在也是永久性存储装置408的一部分的另一个计算机可读存储介质上传输。
在这些实例中,通信单元410用于与其它数据处理系统或设备(包括专家数据库105的资源,以及客户机设备120、130、140和150)通信。在这些实例中,通信单元410包括一个或多个网络接口卡。通信单元410可以通过使用物理和无线通信链路两者之一或全部提供通信。可视化分析程序102和转换程序101可以通过通信单元410下载到永久性存储装置408。
I/O接口(多个)412允许使用可以连接到计算机系统111的其它设备输入和输出数据。例如,I/O接口412可以提供到外部设备(多个)418的连接,外部设备418例如包括键盘、小键盘、触摸屏和/或某种其它合适的输入设备。外部设备(多个)418还可以包括便携式计算机可读存储介质,例如拇指驱动器、便携式光盘或磁盘和存储卡。用于实现本发明的各实施例的软件和数据(例如,可视化分析程序102、转换程序101和专家数据库105)可以存储在此类便携式计算机可读存储介质上,并且可以经由I/O接口(多个)412加载到永久性存储装置408。I/O接口(多个)412还连接到显示器420。
显示器420提供用于向用户显示数据的机制,并且例如可以是计算机显示器。
在此描述的程序根据在本发明的特定实施例中实现程序的应用进行标识。但是,应该理解,此处的任何特定程序术语仅为了方便而使用,因此本发明不应该限于仅用于由这种术语标识和/或暗示的任何特定应用。
附图中的流程图和框图显示了根据本发明的不同实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
Claims (12)
1.一种用于确定可视化的可信性的方法,所述方法包括:
接收可视化数据;
确定所述可视化数据的可视化类型,其中所述可视化类型是可视化技术的类型;
确定所述可视化数据是否是机器可读格式;
响应于所述可视化数据不是机器可读格式,将所述可视化数据转换为机器可读格式;
响应于所述可视化数据是机器可读格式,将所述可视化数据与用于所述可视化类型的多个可视化可信性准则中的一个或多个可视化可信性准则相比较,以便由一个或多个计算机系统确定所述多个可视化可信性准则中的一个或多个可视化可信性准则中的每一个的一个或多个可信性评估结果;以及
由一个或多个计算机系统基于所述多个可视化可信性准则中的所述一个或多个可视化可信性准则中的每一个的一个或多个所述可信性评估结果,对所述可视化的可信性进行分级。
2.根据权利要求1的方法,其中所述多个可视化可信性准则由一个或多个用户确定或由机器确定和编辑以便检索,以评估所述可视化的所述可信性级别。
3.根据权利要求1的方法,其中按照可视化类型组织所述多个可视化可信性准则。
4.根据权利要求1的方法,其中将所述多个可视化可信性准则中的每一个的所述可信性级别确定为以下之一:可信、不可信以及不适用。
5.根据权利要求1的方法,还包括由一个或多个计算机系统基于一种形式与现有已知可视化形式的匹配,确定可视化类型。
6.根据权利要求1的方法,还包括接收所述可视化的所述可信性级别的所述分级的格式。
7.根据权利要求1的方法,其中所述可视化的所述可信性被显示为以下之一:可信、稍微可信或不可信。
8.一种用于确定可视化的可信性的计算机系统,所述计算机系统包括:
一个或多个计算机处理器;
一个或多个计算机可读存储介质;
存储在所述计算机可读存储介质上以便由所述一个或多个处理器中的至少一个执行的程序指令,所述程序指令用于:
接收可视化数据;
确定所述可视化数据的可视化类型,其中所述可视化类型是可视化技术的类型;
确定所述可视化数据是否是机器可读格式;
响应于所述可视化数据不是机器可读格式,将所述可视化数据转换为机器可读格式;
响应于所述可视化数据是机器可读格式,将所述可视化数据与用于所述可视化类型的多个可视化可信性准则中的一个或多个可视化可信性准则相比较,以便确定所述多个可视化可信性准则中的一个或多个可视化可信性准则中的每一个的一个或多个可信性评估结果;以及
基于所述多个可视化可信性准则中的所述一个或多个可视化可信性准则中的每一个的一个或多个所述可信性评估结果,对所述可视化的可信性进行分级。
9.根据权利要求8的计算机系统,其中所述程序指令用于将所述多个可视化可信性准则中的每一个的所述可信性级别确定为以下之一:可信、不可信以及不适用。
10.根据权利要求8的计算机系统,所述程序指令还用于基于一种形式与现有已知可视化形式的匹配,确定可视化类型。
11.根据权利要求8的计算机系统,所述程序指令还用于接收所述可视化的所述可信性级别的所述分级的格式。
12.根据权利要求8的计算机系统,其中所述程序指令用于将所述可视化的所述可信性显示为以下之一:可信、稍微可信或不可信。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/971,146 US9665665B2 (en) | 2013-08-20 | 2013-08-20 | Visualization credibility score |
US13/971,146 | 2013-08-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104423964A CN104423964A (zh) | 2015-03-18 |
CN104423964B true CN104423964B (zh) | 2017-10-13 |
Family
ID=52480449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410398356.5A Expired - Fee Related CN104423964B (zh) | 2013-08-20 | 2014-08-14 | 用于确定可视化的可信性的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (2) | US9665665B2 (zh) |
CN (1) | CN104423964B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9665665B2 (en) | 2013-08-20 | 2017-05-30 | International Business Machines Corporation | Visualization credibility score |
US10776569B2 (en) | 2016-07-29 | 2020-09-15 | International Business Machines Corporation | Generation of annotated computerized visualizations with explanations for areas of interest |
US10552541B1 (en) | 2018-08-27 | 2020-02-04 | International Business Machines Corporation | Processing natural language queries based on machine learning |
Family Cites Families (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030016233A1 (en) * | 2001-06-29 | 2003-01-23 | Bitflash Graphics, Inc. | Method and system for manipulation of graphics information |
US7870203B2 (en) * | 2002-03-08 | 2011-01-11 | Mcafee, Inc. | Methods and systems for exposing messaging reputation to an end user |
US7373612B2 (en) * | 2002-10-21 | 2008-05-13 | Battelle Memorial Institute | Multidimensional structured data visualization method and apparatus, text visualization method and apparatus, method and apparatus for visualizing and graphically navigating the world wide web, method and apparatus for visualizing hierarchies |
US7711689B2 (en) | 2003-01-17 | 2010-05-04 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and apparatus for storing, organizing, sharing and rating multimedia objects and documents |
US7251777B1 (en) * | 2003-04-16 | 2007-07-31 | Hypervision, Ltd. | Method and system for automated structuring of textual documents |
US7581177B1 (en) * | 2003-08-01 | 2009-08-25 | Microsoft Corporation | Conversion of structured documents |
US7822631B1 (en) * | 2003-08-22 | 2010-10-26 | Amazon Technologies, Inc. | Assessing content based on assessed trust in users |
US7350190B2 (en) | 2004-06-29 | 2008-03-25 | International Business Machines Corporation | Computer implemented modeling and analysis of an application user interface |
US20060089200A1 (en) | 2004-09-15 | 2006-04-27 | Twerdahl Timothy D | Systems and methods for processing game metrics from handheld computing devices |
US8635690B2 (en) | 2004-11-05 | 2014-01-21 | Mcafee, Inc. | Reputation based message processing |
US20060253843A1 (en) * | 2005-05-05 | 2006-11-09 | Foreman Paul E | Method and apparatus for creation of an interface for constructing conversational policies |
JP2006350867A (ja) * | 2005-06-17 | 2006-12-28 | Ricoh Co Ltd | 文書処理装置、文書処理方法、プログラム及び情報記録媒体 |
US20060288275A1 (en) * | 2005-06-20 | 2006-12-21 | Xerox Corporation | Method for classifying sub-trees in semi-structured documents |
US7627166B2 (en) * | 2005-09-28 | 2009-12-01 | Yahoo! Inc. | Method and mechanism for processing image data |
US7889892B2 (en) * | 2005-10-13 | 2011-02-15 | Fujifilm Corporation | Face detecting method, and system and program for the methods |
US20080109244A1 (en) | 2006-11-03 | 2008-05-08 | Sezwho Inc. | Method and system for managing reputation profile on online communities |
KR100887253B1 (ko) | 2007-02-15 | 2009-03-10 | 안상일 | 평가자의 신뢰도에 기초한 컨텐츠 신뢰도 평가 시스템 및그 방법 |
US20090070130A1 (en) * | 2007-09-12 | 2009-03-12 | Neelakantan Sundaresan | Reputation scoring |
US8392816B2 (en) * | 2007-12-03 | 2013-03-05 | Microsoft Corporation | Page classifier engine |
US9092789B2 (en) | 2008-04-03 | 2015-07-28 | Infosys Limited | Method and system for semantic analysis of unstructured data |
US20090276233A1 (en) * | 2008-05-05 | 2009-11-05 | Brimhall Jeffrey L | Computerized credibility scoring |
JP5350472B2 (ja) * | 2008-06-19 | 2013-11-27 | ワイズ テクノロジーズ インコーポレイテッド | トピックに関する複数の製品にランクを付ける製品ランク付け方法及び製品ランク付けシステム |
US20100088152A1 (en) | 2008-10-02 | 2010-04-08 | Dominic Bennett | Predicting user response to advertisements |
US8214734B2 (en) * | 2008-10-09 | 2012-07-03 | International Business Machines Corporation | Credibility of text analysis engine performance evaluation by rating reference content |
US8086611B2 (en) | 2008-11-18 | 2011-12-27 | At&T Intellectual Property I, L.P. | Parametric analysis of media metadata |
US8655803B2 (en) * | 2008-12-17 | 2014-02-18 | Xerox Corporation | Method of feature extraction from noisy documents |
US8271501B2 (en) | 2008-12-17 | 2012-09-18 | International Business Machines Corporation | Web search among rich media objects |
US20100262610A1 (en) * | 2009-04-09 | 2010-10-14 | International Business Machines Corporation | Identifying Subject Matter Experts |
US8396301B2 (en) * | 2009-09-24 | 2013-03-12 | Gtech Corporation | System and method for document location and recognition |
US8452610B2 (en) * | 2009-11-16 | 2013-05-28 | American Board Of Internal Medicine | Method and system for determining a fair benchmark for physicians' quality of patient care |
US20110167016A1 (en) | 2010-01-06 | 2011-07-07 | Marwan Shaban | Map-assisted radio ratings analysis |
US8990124B2 (en) * | 2010-01-14 | 2015-03-24 | Microsoft Technology Licensing, Llc | Assessing quality of user reviews |
JP5136619B2 (ja) * | 2010-09-30 | 2013-02-06 | ブラザー工業株式会社 | 画像処理プログラム、画像処理方法および画像処理装置 |
US8543694B2 (en) | 2010-11-24 | 2013-09-24 | Logrhythm, Inc. | Scalable analytical processing of structured data |
US9158775B1 (en) | 2010-12-18 | 2015-10-13 | Google Inc. | Scoring stream items in real time |
US20120246092A1 (en) * | 2011-03-24 | 2012-09-27 | Aaron Stibel | Credibility Scoring and Reporting |
US9330490B2 (en) | 2011-04-29 | 2016-05-03 | University Health Network | Methods and systems for visualization of 3D parametric data during 2D imaging |
US8374885B2 (en) * | 2011-06-01 | 2013-02-12 | Credibility Corp. | People engine optimization |
US9348568B2 (en) * | 2011-08-24 | 2016-05-24 | Accenture Global Services Limited | Software application porting system |
CN102768638B (zh) * | 2012-05-18 | 2015-04-29 | 北京工业大学 | 基于状态转移图的软件行为可信性检测方法 |
US9794203B2 (en) * | 2012-12-07 | 2017-10-17 | Linkedin Corporation | Communication systems and methods |
US9158744B2 (en) * | 2013-01-04 | 2015-10-13 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for automatically extracting multi-format data from documents and converting into XML |
US9665665B2 (en) | 2013-08-20 | 2017-05-30 | International Business Machines Corporation | Visualization credibility score |
-
2013
- 2013-08-20 US US13/971,146 patent/US9665665B2/en not_active Expired - Fee Related
-
2014
- 2014-06-30 US US14/319,673 patent/US9672299B2/en not_active Expired - Fee Related
- 2014-08-14 CN CN201410398356.5A patent/CN104423964B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104423964A (zh) | 2015-03-18 |
US20150058359A1 (en) | 2015-02-26 |
US9672299B2 (en) | 2017-06-06 |
US20150055880A1 (en) | 2015-02-26 |
US9665665B2 (en) | 2017-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10540579B2 (en) | Two-dimensional document processing | |
Baddeley et al. | Spatial point patterns: methodology and applications with R | |
JP6584477B2 (ja) | スキップアーキテクチャ・ニューラルネットワーク装置及び改良されたセマンティックセグメンテーションのための方法 | |
Gómez et al. | Spatiotemporal modeling of urban growth using machine learning | |
CN114155543B (zh) | 神经网络训练方法、文档图像理解方法、装置和设备 | |
CN111104962A (zh) | 图像的语义分割方法、装置、电子设备及可读存储介质 | |
CN108229485B (zh) | 用于测试用户界面的方法和装置 | |
CN109858333B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN107636693A (zh) | 针对人工神经网络的相关性分数指派 | |
CN110222694B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
EP3975139A1 (en) | Querying semantic data from unstructured documents | |
JP2019133303A (ja) | 情報処理装置、情報処理プログラム及び情報処理方法 | |
CN104423964B (zh) | 用于确定可视化的可信性的方法和系统 | |
CN109389660A (zh) | 图像生成方法和装置 | |
Zhang et al. | Small object detection in remote sensing images based on attention mechanism and multi-scale feature fusion | |
See et al. | LACO-WIKI: an open access online portal for land cover validation | |
Nardini et al. | A testing environment for continuous colormaps | |
Jalilian | Modelling and classification of species abundance: a case study in the Barro Colorado Island plot | |
GB2531551A (en) | Generating a computer executable chart visualization by annotating a static image of said visualization | |
CN111507265B (zh) | 表格关键点检测模型训练方法、装置、设备以及存储介质 | |
CN111768007B (zh) | 用于挖掘数据的方法和装置 | |
Liu et al. | Super-pixel guided low-light images enhancement with features restoration | |
Jia et al. | A Multi-style Interior Floor Plan Design Approach Based on Generative Adversarial Networks | |
Kimm | Actual and experiential shadow origin tagging: A 2.5 D algorithm for efficient precinct-scale modelling | |
Wu et al. | Industrial equipment detection algorithm under complex working conditions based on ROMS R-CNN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171013 |
|
CF01 | Termination of patent right due to non-payment of annual fee |