CN105426499A - 一种数据可视化实现方法 - Google Patents

Abstract

本发明涉及互联网信息处理技术领域，特别涉及一种数据可视化实现方法。本发明方法将以目标信息为起点，将目标信息的N度关联信息抽象成对应级数的节点；并应用可视化工具绘制出以目标信息为中心，以各级关联信息为各级子节点的关联信息图谱。本发明可以从海量关联信息数据中分析出与目标信息相关联的其他信息，而且通过逐级扩展的方式，将关联路径和关联情况直观的展示出来；图谱逻辑关系清晰，直观易懂，极大的节省了用户用于相关数据整理和分析的人力和时间成本，为目标信息背景分析和挖掘和相关问题分析和追踪提供参考依据，在信息挖掘和信息处理领域有广泛的应用前景。

Description

一种数据可视化实现方法

技术领域

本发明涉及互联网信息处理技术领域，特别涉及一种数据可视化实现方法。

背景技术

当今世界早就进入了信息时代，随着信息的爆发式增长和积累，大数据时代已近来临，作为大数据最重要的特点：数据量大和价值密度低却是困扰如此海量数据信息挖掘利用的难题。实际上在纷繁复杂的信息海洋中，某些信息之间的联系往往比与其他信息之间的联系要紧密得多，而这些具有某种紧密联系的信息往往反映的是现实生活中的人与人之间或者团体之间的特定关系，这些特定关系会使其相互影响或者牵制给相关的社会或者经济活动带来潜在的价值或者风险。

针对特定的信息目标，如何分析该目标与其他目标之间的关联关系在很多领域具有更加实际的意义，因为具有关联关系的目标在进行各种活动时往往比单独的简单个体具有更大的影响面，而且具有关联关系的目标在对外建立各种活动时，受到内部的关联关系的相互牵制或者支持，会比简单目标的活动轨迹更加复杂。

即便通过数据处理将具有关联关系的信息分析出来，形成的还只是关联关系数据，而复杂的数据并不能直观的展示关联信息的关联路径；在这些数量巨大且复杂的数据中整理和分目标信息的关联情况，需要花费较大的人力和时间成本；而且针对一个设定的目标信息计算出来的各级关联信息可能很多，对应的关联路径也很复杂，仅仅在数据层面还不能直观的分析出关联信息和错综复杂的关联路径；极大的限制用户的分析和判断的效率；增加用户数据整理耗费的时间成本和人力成本。

发明内容

本发明的目的在于克服现有技术中所存在的上述不足，提供一种数据可视化实现方法；对目标信息的关联信息数据进行可视化处理，形成对应的图谱界面，为用户提供直观形象的关联关系图像化的展示，节省用户用于关联关系数据整理和分析的时间。为实现上述目的，本发明的数据可视化实现方法将目标信息的关联信息抽象成对应级数的子节点；使用可视化工具构造出以所述目标信息为起点的关联关系图谱。所述关联信息是指用户根据需要设置字段从信息文档中提取出的具有关联关系的信息。

本发明在目标信息的关联信息数据基础上，使用数据可视化工具将关联信息以关联图谱的形式直观形象的展示出来，使复杂抽象的数据变成简洁、易懂、路径清晰的图形，用户根据关联图谱很方便了解到目标信息的关联情况，极大的节省了用户整理数据所需要耗费的时间和人力成本，提高了相关信息的分析和追踪效率。

进一步的，所述数据可视化实现中可采用的可视化工具包括：D3(DataDrivenDocuments)、GoogleChartAPI、Visual.ly等，目前可以用来实现数据可视化的工具很多，用户可以根据实际情况进行选择。

进一步的，所述数据可视化实现方法包括以下实现步骤：

(1)将目标信息定义为0级节点，在关联数据中搜索出所述目标信息的一度关联信息，将所述一度关联信息抽象成对应0级节点的子节点，并将其定义为1级节点，其中所述一度关联信息是指直接与起点信息相关联的信息；

(2)将已计算过的0级节点打上墓碑标记，从1级节点出发，在关联数据中搜索出对应1级节点的一度关联信息，并将其抽象为相应1级节点的子节点，并将其定义为2级节点；

(3)依此类推，逐级抽象出以目标信息为起点的n级节点，其中1≤n≥N，N为目标信息设定的最大关联度数，N为不小于1的正整数。本发明形成的关联图谱节点明确，路径清晰。

进一步的，所述步骤(1)、(2)和，或(3)中，根据目标信息关联数据中的关联关系在n-1级节点和n级节点之间添加边；形成关联关系图谱。

进一步的，所述步骤(1)、(2)和，或(3)中搜索关联信息扩展节点时，遵守广度优先原则。

作为一种优选，其可视化过程为：将目标信息置于可视化图的中心；将相同级数的节点分散在一个圆周上，并围绕在上一级节点围成的圆的外面。

进一步的，所述关联图谱中，使用不同的颜色和，或不同形状来区分各级节点。

进一步的，所述关联图谱中，使用不同颜色和，或不同形状来区分不同类型的节点。

与现有技术相比，本发明的有益效果：本发明一种数据可视化实现方法，在目标信息的关联信息数据的基础上，将关联信息抽象成对应级数的节点，通过描述关联关系的键值对，利用可视化工具构建出以目标信息为中心节点，以各度关联信息为各级子节的关联关系图谱；将目标信息的关联关系直观简洁的展示出来，简化了目标信息关联关系分析和关联途径的构建过程，极大方便了对于相关问题的整理和追踪，节省了用户在数据分析和整理阶段需要投入的人力和时间成本；达到了一图胜千言的效果。

并且本发明在关联信息图谱化的基础上，通过颜色和图形将属于不同关联级数或者类型的节点区分开来，丰富了关联图谱显示的数据信息内容和层次。使得用户只通过关联图谱可以清楚的分别出每个节点的级别和类型，进一步节省了数据整理分析的人力物力成本。在数据信息挖取，目标信息背景分析，关联问题追踪和分析等领域具有广阔的应用前景。

附图说明：

图1是实施例1中关联信息数据示意图。

图2是实施例1中数据可视化实现方法的实现过程图。

图3是实施例1中实现的以第一信息A为目标信息的二度关联信息图谱。

图4是实施例1中实现的以第二信息B为目标信息的二度关联信息图谱。

图5是实施例1中实现的以第五信息E为目标信息的二度关联信息图谱。

图6是实施例2中实现的以第一信息A为目标信息的二度联信息图谱。

图7是实施例2中实现的以第二信息B为目标信息的二度关联信息图谱。

图8是实施例2中实现的以第五信息E为目标信息的二度关联信息图谱。

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。

本发明提供一种数据可视化实现方法；本发明方法对目标信息的关联信息数据进行可视化处理，形成对应的图谱界面，为用户提供直观形象的目标信息关联关系图像展示，节省用户用于数据整理和分析的时间。为实现上述目的，本发明的数据可视化实现方法：将目标信息的N度关联信息抽象成对应的N级节点；使用可视化工具构造出以所述目标信息为起点的关联关系图谱，其中N为不小于1的正整数。

本发明在目标信息的关联信息数据基础上，使用数据可视化工具将关联信息以关联图谱的形式直观形象的展示出来；使复杂抽象的数据，变成简洁、易懂、路径清晰的图形，用户根据关联图谱很方便直观的了解到目标信息的关联情况，节点明确，路径清晰，极大的节省了用户整理数据所需要耗费的时间和人力成本，提高了相关信息的分析和追踪效率。

进一步的，所述数据可视化实现方法中可采用的可视化工具包括：D3(DataDrivenDocuments)、GoogleChartAPI、Visual.ly等，目前可以用来实现数据可视化的工具很多，用户可以根据需要进行选择。

进一步的，所述数据可视化实现方法包括以下实现步骤：

(1)将目标信息定义为0级节点，从0级节点出发，从关联信息数据中搜索目标信息的关联信息，将其抽象为该0级节点的子节点，并将其定义为1级节点；

(2)将已计算过的0级节点打上墓碑标记(即在下一级关联信息搜索时，不再计算该节点；这样的做法可以有效的避免闭合路径重复路径的出现，保证关联图谱精炼简洁)，搜索出各1级节点的关联信息，并将其抽象为对应1级节点的子节点，并将其定义为2级节点，并将各1级节点打上墓碑标记；

(3)依此类推，逐级抽象出以目标信息为起点的n级节点，其中1≤n≥N。

进一步的，所述步骤(1)、(2)和，或(3)中，根据关联关系在n-1级节点和n级节点之间添加边，形成关联图谱。根据关联图谱可以更清晰的显示出关联信息的关联途径，为相关问题追踪，提供简洁明晰的分析路径。

进一步的，所述步骤(1)、(2)和，或(3)中搜索关联信息扩展节点时，遵守广度优先原则。广度优先原则扩展节点的顺序是将某一层上的所有节点都搜索到之后才向下一层搜索；这样扩展节点的好处在于，所形成的图谱以目标信息为中心逐级扩展节点，用户根据分析深度的需要选择展示的关联图谱节点最高级数，在选择的级数以内，更够显示全部节点而不会出现遗漏，方便用户根据需要获得所需级数内的全量数据。一般情况下，在进行关联信息分析时，关联级数越低的信息与目标信息的关联程度越高，对目标信息的影响或者牵制可能性也最大，对应的关联图谱中，级数越小的节点与0级节点的关联关系越紧密，通过广度优先的节点扩展原则，从0级节点开始按照节点级数逐渐增加的顺序逐层搜索完毕再向下一级扩展子节点，保证越重要的信息越不容易出现遗漏，保证了图谱数据的完整的准确性。

作为一种优选的，其可视化过程为：将目标信息置于可视化图的中心；将相同级数的节点分散在一个圆周上，并围绕在上一级节点围成的圆的外面。这样图谱显示方式，节点层次感很强，方便用户直观了解目标信息的关联信息分布情况；关联图谱的展示形式可以多种多样，比如说将目标信息作为根节点，逐层扩展节点，形成树形节点图谱，本发明优选将每级节点分布在一个圆周上，图谱层次分明，逻辑路径清楚，界面整洁，便于相关问题分析和整理。

进一步的，所述关联图谱中，使用不同的颜色和，或不同形状来区分各级节点。将不同级别的节点用对应颜色或者形状来表示，便于用户进行相应的区分，使得节点的关联图谱中显示的信息更加丰富，分析更加直观简洁。

进一步的，所述关联图谱中，使用不同颜色和，或不同形状来区分不同类型的节点。根据用户的相关字段设置，提取出来的关联信息对应的节点类型可能不同，例如企业为目标信息分析其背景时，对应的投资者或者股东可能是企业也有可能是自然人，将这些不同类型的节点使用不同颜色和或者形状来表示，便于用户进行相应的区分的，进而便于根据步同的节点类型来进行相关问题的归类和追踪。

实施例1

在原始数据中经过字段(设置的字段包括：第一字段、第二字段、第三字段、第四字段以及第五字段)提取，提取出来3条数据记录，其中第一数据记录包含的第一字段、第二字段、第三字段、第四字段以及第五字段所对应的信息内容依次为：第一信息A、第二信息B、第三信息C、第四信息D、第五信息E；第二条数据记录中包含的第一字段、第二字段、第三字段、第四字段以及第五字段所对应的信息内容依次为：第二信息B、第三信息C、第五信息E、第六信息F以及第七信息G；第三条信息中包含的第一字段、第二字段、第三字段、第四字段以及第五字段所对应的信息内容依次为：第五信息E、第八信息H、第九信息I、第十信息J、第十一信息K。将上述信息的第一字段对应的内容(即第一信息A、第二信息B、第五信息E)作为目标信息(起点)，而将数据记录中的其他信息作为目标信息的关联信息(终点)，可以形成如图1所示的关联信息数据表。将图1所述的关联信息数据利用可视化工具绘制成对应目标信息的关联图谱的实现过程如图2所示。

以第一信息A为目标信息为例说明图谱实现过程：如果将第一字段对应的信息(第一信息A、第二信息B、第五信息E)作为目标信息分别绘制关联图谱，将其抽象成对应关联图谱中的0级节点。采用广度优选原则，从图1所述的关联关联数据表中搜索出所述第一信息A的关联信息：第二信息B、第三信息C、第四信息D以及第五信息E；将所述第二信息B、第三信息C、第四信息D以及第五信息E抽象成对应0级节点(第一信息A)的1级子节点，并且分别在所述第一信息A对应节点与所述第二信息B、第三信息C、第四信息D以及第五信息E对应节点之间添加对应的边，将第一信息A对应节点打上墓碑标记。

分别从所述第二信息B、第三信息C、第四信息D以及第五信息E出发搜索出对应的关联信息；所述第二信息B具有关联信息：第三信息C、第五信息E、第六信息F和第七信息G；将所述第三信息C、第六信息F和第七信息G抽象成图谱中第二信息B对应1级节点的子节点，并且添加对应的边(第五信息E已经为0级节点的1级子节点，此处不再将其抽象成所述第二信息B对应的子节点，仅在第二信息B与第五信息E之间添加一条边)；从第三信息C可以搜索出第二信息B，在第三信息C和第二信息B对应节点之间添加一条边；其中从第五信息E出发可以搜索出对应的关联关系包括第八信息H、第九信息I、第十信息J、第十一信息K，将上述信息抽象成所述第五信息E对应信息的子节点，并且添加对应的边；并定义这些新扩展的节点(第三信息C、第五信息E、第六信息F和第七信息G、第八信息H、第九信息I、第十信息J、第十一信息K对应的节点)为2级节点。

将已计算过的所述第二信息B、第三信息C、第四信息D以及第五信息E打上墓碑标记，以2级节点为起点搜索关联信息，依次类推直到从第一信息A为起点逐级搜索出的所有节点都打上墓碑标记，停止计算，其中关联信息的扩展级数根据分析的需要来设定。

使用例如D3、GoogleChartAPI等可视化工具以第一信息A对应的0节点为中心，逐级扩展子节点，将下一级节点扩展到上一节点的外围；最终形成以目标信息为中心的关联图谱。实际上针对每个目标信息的个度关联信息可能都是多个的，而且随着关联度数的增加，扩展出来的关联信息数量更多；多度关联信息图谱均可以按照上述过程逐级扩展出来。同样的通过上述扩展方法，形成以目标信息为中心0级节点的关联关系图谱；通过上述可视化实现过程，形成以第一信息A为0级节点的二度关联图谱如图3所示，形成以第二信息B为0级节点的二度关联图谱如图4所示，形成以第五信息E为0级节点的二度关联图谱如图5所示。分别以第二信息B和第五信息E为中心节点的关联图谱的实现方式与原理与上述过程相同，在此不再赘述。

本实施例中的各个节点圆形图案和对应信息标注表示。

实施例2

在实施例1的的基础上，为了进一步区分各级节点，将0级节点、1级节点和2级节点分别用方形图案、三角图案和圆形图案来表示，本实施例中形成的以第一信息A为目标信息的2级关联图谱如图6所示，以第二信息B为目标信息的2级关联图谱如图7所示，以第五信息E为目标信息的2级关联图谱如图8所示，可以看出通过不同的图案表示各级节点，使得各级节点的区分明显，路径逻辑更加清晰。

进一步的，还可以使用不同的颜色来区分不同的节点类型，比如说关联数据中的数据信息对应的类型包括第一类型、第二类型和第三类型，则在关联图谱中可以将第一类型、第二类型和第三类型对应的节点图案分别用红色、蓝色和黄色来填充，使得关联图谱展示的信息内容更加丰富，简明易懂，提高分析效率；本实施例的其他实现过程与实施例1相同，在此不再赘述。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化时显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (9)

1.一种数据可视化实现方法，其特征在于，将目标信息的关联信息抽象成对应级数的子节点；使用可视化工具构造出以所述目标信息为起点的关联关系图谱。

2.如权利要求1所述的数据可视化实现方法，其特征在于，包括以下实现步骤：

(1)将目标信息定义为0级节点，在关联数据中搜索出所述目标信息的一度关联信息，将所述一度关联信息抽象成对应0级节点的子节点，并将其定义为1级节点；

(2)将已计算过的0级节点打上墓碑标记，从1级节点出发，在关联数据中搜索出对应的一度关联信息，并将其抽象为相应1级节点的子节点，并将新扩展节点定义为2级节点；

(3)依此类推，逐级抽象出以目标信息为起点的n级节点。

3.如权利要求2所述的数据可视化实现方法，其特征在于，所述可视化工具为：D3、GoogleChartAPI或Visual.ly。

4.如权利要求3所述的数据可视化实现方法，其特征在于，所述步骤(1)、(2)和，或(3)中搜索关联信息进行节点扩展时，遵守广度优先原则。

5.如权利要求4所述的数据可视化实现方法，其特征在于，所述步骤(1)、(2)和，或(3)中，根据关联信息的扩展路径，在对应节点之间添加边，形成关联图谱。

6.如权利要求5所述的数据可视化实现方法，其特征在于，其可视化过程为：将目标信息置于可视化图的中心；将相同级数的节点分散在一个圆周上，并围绕在上一级节点围成的圆的外面。

7.如权利要求6所述的数据可视化实现方法，其特征在于，所述关联图谱中，使用不同的颜色和，或不同形状来区分各级节点。

8.如权利要求7所述的数据可视化实现方法，其特征在于，所述关联图谱中，使用不同颜色和，或不同形状来区分不同类型的节点。

9.如权利要求1至8之一所述的数据可视化实现方法，其特征在于，所述关联图谱节点扩展级数n根据用户实际需要来设定。