CN105893604A - 一种海量关联信息处理及可视化实现方法 - Google Patents
一种海量关联信息处理及可视化实现方法 Download PDFInfo
- Publication number
- CN105893604A CN105893604A CN201610255421.8A CN201610255421A CN105893604A CN 105893604 A CN105893604 A CN 105893604A CN 201610255421 A CN201610255421 A CN 201610255421A CN 105893604 A CN105893604 A CN 105893604A
- Authority
- CN
- China
- Prior art keywords
- information
- node
- related information
- magnanimity
- implementation method
- 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.)
- Pending
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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及互联网信息处理技术领域,特别涉及一种海量关联信息处理及可视化实现方法。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起点,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,将关联信息与目标信息的关联路径和关联深度直观的展示出来;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提供参考依据。
Description
技术领域
本发明涉及互联网信息处理技术领域,特别涉及一种海量关联信息处理及可视化实现方法。
背景技术
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在相关的社会或者经济活动中相互影响或者牵制。
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信息状态需要花费巨大的人力和时间成本;而且针对一个设定的目标信息,计算出的各级关联信息可能是多个,对应的关联路径也可能是多个,这样复杂的数据信息并不能直观的展示出设定目标的关联状态;如果不进行可视化处理将极大的限制用户的分析和判断的效率;增加用户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,提供海量关联信息处理及可视化实现方法;本发明方法在挖掘出关联信息的基础上,将关联信息进行可视化处理,形成对应的图谱界面,为用户提供直观的目标信息关联关系图像展示。
为实现上述目的,本发明的海量关联信息处理及可视化实现方法包括以下步骤:
(ST1)以将具有关联关系的信息单元,抽象成描述关联关系的键值对;
(ST2)根据所述描述关联关系的键值对,使用可视化工具逐级构造出以目标信息为起点的关联关系图谱。
本发明在挖掘出目标信息的关联信息基础上,使用数据可视化工具将具有关联关系的信息以关联图谱的形式直观的展示出来,用户根据关联图谱直观的了解到目标信息的关联情况,极大的节省了用户整理目标信息的关联关系所需要花费的时间和人力成本,提高了相关信息的分析和追踪效率,达到一图胜千言的效果。
进一步的,所述步骤(ST2)中可采用的可视化工具包括:、D3(DataDriven Documents)、Google Chart API、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,所述步骤(ST1)包括以下实现步骤:
(ST1-1)从原始数据的每条基础数据中,根据设置的字段提取出对应的信息,形成相应的数据记录;
(ST1-2)选取其中一个字段对应的内容作为起始信息,将其他字段对应内容抽象成起始信息的关联信息,形成:(起始信息,关联信息)的描述关联关系的键值对。
进一步的,形成的描述关联关系的键值对按照:起始信息,关联信息的结构存储于数据表中。
进一步的,将各条数据记录形成的(起始信息,关联信息)存储于同一张数据表中。
进一步的,所述步骤(ST2)包括以下实现步骤:
(ST2-1)将目标信息定义为0级节点,从0级节点出发,从描述关联关系的键值对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;
(ST2-2)将已计算过的0级节点打上墓碑标记,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;
(ST2-3)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(ST2-1)、(ST2-2)和,或(ST2-3)中,根据关联关系在n-1级节点和n级节点之间添加有向边;形成有向图。
进一步的,所述步骤(ST2-1)、(ST2-2)和,或(ST2-3)中搜索关联信息扩展节点时,遵守广度优先原则。
进一步的,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。
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。
在上述供海量关联信息处理及可视化实现方法的基础上本发明提供一种目标信息背景情况分析方法,所述海量关联信息处理及可视化实现方法,尤其适合用于目标背景情况分析,用户根据需要设置分析字段从相关的网页中提取目标信息背景相关联的核心数据,通过所述可视化实现方法,利用不同目标信息之间具有的共同关联数据,逐级扩展出目标信息的背景情况全景图。为相关商业投资,风险防控提供可靠参考。
与现有技术相比,本发明的有益效果:本海量关联信息处理及可视化实现方法,在挖掘出目标信息的关联信息基础上,将相关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过程的构建过程,极大方便了对于相关问题的整理和追踪过程,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是海量关联信息处理及可视化实现方法的实现步骤示意图。
图2是关联信息处理实现步骤示意图。
图3是关联图谱的可视化实现步骤示意图。
图4是实施例1中的数据记录示意图。
图5是实施例1中形成的关联关系数据表。
图6是实施例1中实现的以第一信息A为起点的1级关联信息图谱。
图7是实施例1中实现的以第一信息A为起点的2级关联信息图谱。
图8是实施例1中实现的以第一信息A为起点的3级关联信息图谱。
图9是实施例1中实现的以第二信息B为起点的1级关联信息图谱。
图10是实施例1中实现的以第二信息B为起点的2级关联信息图谱。
图11是实施例1中实现的以第六信息F为起点的1级关联信息图谱。
图12是实施例1中实现的以第六信息F为起点的2级关联信息图谱。
图13是实施例1中实现的以第六信息F为起点的3级关联信息图谱。
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。
本发明提供海量关联信息处理及可视化实现方法;从海量数据信息中挖掘出信息之间的关联关系,在挖掘出关联信息的基础上,将关联信息进行可视化处理,形成对应的图像界面,为用户提供直观的目标信息关联关系图谱,极大的节省了用户用于目标关联信息背景分析的人力和时间成本。
为实现上述目的,本发明的海量关联信息处理及可视化实现方法包括以下步骤:
(ST1)以将具有关联关系的信息单元,抽象成描述关联关系的键值对;
(ST2)根据所述描述关联关系的键值对,使用可视化工具逐级构造出以目标信息为起点的关联关系图谱。
本发明在挖掘出目标信息的关联信息基础上,使用数据可视化工具将具有关联关系的信息以关联图谱的形式直观的展示出来,用户根据关联图谱更加直观的了解到目标信息的关联情况,并且通过图谱的方式将目标信息与关联信息之间的关联路径直观的展示出来,极大的节省了用户整理目标信息的关联关系所需要花费的时间和人力成本,提高了相关信息的分析和追踪效率,达到一图胜千言的效果。
进一步的,所述步骤(ST2)中可采用的可视化工具包括:、D3(DataDriven Documents)、Google Chart API、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,所述步骤(ST1)包括以下实现步骤:
(ST1-1)从原始数据的每条基础数据中,根据设置的字段提取出对应的信息,形成相应的数据记录;用户根据分析的需要设置提取字段从基础数据中提取出待分析目标相关的关键信息单元,这样信息提取方式可以快速的从海量的,价值密度低的基础数据中将零散的有用信息抽取出来,为信息的深度利用和分析提供了信息来源和数据基础。
(ST1-2)选取其中一个字段对应的内容作为起始信息,将其他字段对应内容抽象成起始信息的关联信息,形成:(起始信息,关联信息)的描述关联关系的键值对。具体的,将所述字段作为键,将字段提取出来的对应内容作为值,对各条数据记录中的信息单元进行建立关联关系的操作,选取其中一个字段对应的内容作为起始信息,将其他字段对应内容抽象成起始信息的关联信息,形成:(起始信息,关联信息)的描述关联关系的新键值对。
进一步的,形成的描述关联关系的键值对按照起始信息,关联信息的结构存储于数据表中,数据表结构规范统一,便于进行相关操作。
进一步的,将各条数据记录形成的(起始信息,关联信息)存储于同一张数据表中,这样具有关联关系的所有信息位于同一张数据表中,方便关联图谱搜索关联信息进行节点扩展,在进行相关关联节点扩展时,在同一个数据表中搜索相关信息,保证了数据的准确性。
进一步的,所述步骤(ST2)包括以下实现步骤:
(ST2-1)将目标信息定义为0级节点,从0级节点出发,从描述关联关系的键值对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;
(ST2-2)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;
(ST2-3)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为目标信息的最高关联度数。
进一步的,所述步骤(ST2-1)、(ST2-2)和,或(ST2-3)中,根据关联关系在n-1级节点和n级节点之间添加有向边;形成有向图。根据有向图可以更清晰的显示出关联信息之间的具体指向关系,指向关系根据分析目标的具体情况而定,比如说以企业为分析目标,那么指向关系可以包括投资关系,控股关系,管理关系等。
进一步的,所述步骤(ST2-1)、(ST2-2)和,或(ST2-3)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的全量数据。
进一步的,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。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。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。
在上述供海量关联信息处理及可视化实现方法的基础上本发明提供一种目标信息背景情况分析方法,所述海量关联信息处理及可视化实现方法,尤其适合用于目标背景情况分析,用户根据需要设置分析字段从相关的网页中提取目标信息背景相关联的核心数据,通过所述可视化实现方法,利用不同目标信息之间具有的共同关联数据,逐级扩展出目标信息的背景情况全景图。为相关商业投资,风险防控提供可靠参考。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,如图4所示,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以及第五信息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、第五信息E、第六信息F、第七信息G以及第八信息H;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:第六信息F、第八信息H、第九信息I、第十信息J以及第十一信息K。将第一字段对应的内容作为起始信息,而将其他字段对应的内容作为起始信息(目标信息,关联分析的目标)的关联信息,形成对应的结构化的两列数据,第一列数据为起始信息,第一列信息为关联信息,将3条数据记录抽象出来的关联关联存储于同一张数据表中,如图5所示。在进行关联节扩展时,同一行的两列信息互为关联信息。
将第一字段对应的信息(第一信息A、第三信息C、第六信息F)作为目标信息,将其抽象成对应关联图谱中的0级节点。
下面以第一信息A为目标信息为例具体说明关联图谱实现过程。采用广度优选原则,从图5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、第四信息D、第三信息C以及第五信息E抽象成对应0级节点(第一信息A)的1级节点,并在所述第一信息A与所述第二信息B、第四信息D、第三信息C以及第五信息E之间分别添加一条边,形成1级关联图谱如图6所示,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扩展成对应的子节点,所述第二信息B具有关联信息:第五信息E、第六信息F、第七信息G、第八信息H,将所述第六信息F、第七信息G、第八信息H抽象成B节点的子节点,并在B、F,B、G,B、H之间添加一条边,其中第五信息E对应的节点已经在关联图谱中存在,不再将其扩展为B节点的子节点,而只在节点B和E之间添加一条边。从所述第三信息C和第四信息出发,未搜索到关联信息,不扩展子节点。将新扩展节点定义为2级节点,并将所述第二信息B、第三信息C、第四信息D以及第五信息E打上墓碑标记。经过节点扩展以第一信息A为起点形成的2级关联图谱如图7所示。
在此基础上,从二级节点出发扩展在图5所示的关联信息中搜索对应的关联信息,从所述第六信息F、第七信息G、第八信息H出发搜索关联信息,其中从第六信息F出发可以搜索出第八信息H、第九信息I、第十信息J以及第十一信息K的关联信息,其中第八信息H已经为2级节点,不再将其扩展为新节点,只在F、H之间添加一条边,将第九信息I、第十信息J以及第十一信息K抽象成节点并扩展为所述第六信息F的子节点,在F、I,F、J,F、K之间添加边,从H出发搜索到F,已经添加边不再重复添加,将新扩展的第九信息I、第十信息J以及第十一信息K对应的节点定义为3级节点,将第六信息F、第七信息G、第八信息H打上墓碑标记,从第九信息I、第十信息J以及第十一信息K出发未搜索到新的关联信息,将第九信息I、第十信息J以及第十一信息K对应打上墓碑标记,节点扩展结束。以A为起点的3级关联图谱如图8所示。
使用例如D3、Google Chart API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。
同样的原理构造的以第二信息B为目标信息的1级关联图谱如图9所示,2级关联图谱如图10所示;以第六信息F为目标信息的1级关联图谱如图11所示,2级关联图谱如图12所示,3级关联图谱如图13所示。关联图谱的扩展级数n可以根据需要进行设置,以防止关联图谱无限制的扩展下去,1≤n≤N,其中N为目标信息能够扩展的最大关联级数(度数)。
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 (11)
1.一种海量关联信息处理及可视化实现方法,其特征在于,包括以下实现步骤:
(ST1)将具有关联关系的信息单元,抽象成描述关联关系的键值对;
(ST2)根据所述描述关联关系的键值对,使用可视化工具逐级构造出以目标信息为起点的关联关系图谱。
2.如权利要求1所述的海量关联信息处理及可视化实现方法,其特征在于,所述步骤(ST1)包括以下实现步骤:
(ST1-1)从原始数据的每条基础数据中,根据设置的字段提取出对应的信息,形成相应的数据记录;
(ST1-2)选取其中一个字段对应的内容作为起始信息,将其他字段对应内容抽象成起始信息的关联信息,形成:(起始信息,关联信息)的描述关联关系的键值对。
3.如权利要求2所述的海量关联信息处理及可视化实现方法,其特征在于,所述步骤(ST1-2)中,形成的描述关联关系的键值对按照起始信息,关联信息的结构存储于数据表中。
4.如权利要求2所述的海量关联信息处理及可视化实现,其特征在于,将各条数据记录形成的(起始信息,关联信息)存储于同一张数据表中。
5.如权利要求1至4之一所述的海量关联信息处理及可视化实现方法,其特征在于,所述步骤(ST2)包括以下实现步骤:
(ST2-1)将目标信息定义为0级节点,从0级节点出发,从描述关联关系的键值对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;
(ST2-2)将已计算过的0级节点打上墓碑标记,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;
(ST2-3)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为目标信息的最高关联度数。
6.如权利要求5所述的海量关联信息处理及可视化实现方法,其特征在于,所述步骤(ST2-1)、(ST2-2)和,或(ST2-3)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。
7.如权利要求6所述的海量关联信息处理及可视化实现方法,其特征在于,所述步骤(ST2-1)、(ST2-2)和,或(ST2-3)中搜索关联信息扩展节点时,遵守广度优先原则。
8.如权利要求7所述的海量关联信息处理及可视化实现方法,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。
9.如权利要求8所述的海量关联信息处理及可视化实现方法,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。
10.如权利要求9所述的海量关联信息处理及可视化实现方法,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。
11.一种目标信息背景分析方法,其特征在于,采用权利要求1至10之一的方法来实现目标关联背景图谱绘制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610255421.8A CN105893604A (zh) | 2016-04-21 | 2016-04-21 | 一种海量关联信息处理及可视化实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610255421.8A CN105893604A (zh) | 2016-04-21 | 2016-04-21 | 一种海量关联信息处理及可视化实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105893604A true CN105893604A (zh) | 2016-08-24 |
Family
ID=56704381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610255421.8A Pending CN105893604A (zh) | 2016-04-21 | 2016-04-21 | 一种海量关联信息处理及可视化实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105893604A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528757A (zh) * | 2016-11-03 | 2017-03-22 | 北京中安智达科技有限公司 | 一种面向大数据的关系分析展示方法 |
CN106599240A (zh) * | 2016-12-12 | 2017-04-26 | 长春理工大学 | 一种多源数据处理方法及系统 |
CN107016068A (zh) * | 2017-03-21 | 2017-08-04 | 深圳前海乘方互联网金融服务有限公司 | 知识图谱构建方法及装置 |
CN107358527A (zh) * | 2017-06-19 | 2017-11-17 | 重庆誉存大数据科技有限公司 | 一种投资关系网络可视化分析方法及系统 |
CN107863157A (zh) * | 2017-08-25 | 2018-03-30 | 重庆康洲大数据有限公司 | 基于大数据中成药处方和方剂查询结果的分析装置和系统 |
CN108287832A (zh) * | 2017-01-09 | 2018-07-17 | 上海掌门科技有限公司 | 插入标签的方法和装置 |
US10290130B2 (en) * | 2016-08-31 | 2019-05-14 | International Business Machines Corporation | Visualization of connected data |
CN110083756A (zh) * | 2018-01-26 | 2019-08-02 | 国际商业机器公司 | 识别知识图数据结构中的冗余节点 |
CN111008284A (zh) * | 2019-11-29 | 2020-04-14 | 北京数起科技有限公司 | 执行图谱分析的方法、装置及其服务系统 |
CN113711146A (zh) * | 2019-04-17 | 2021-11-26 | 阿自倍尔株式会社 | 管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729412A (zh) * | 2013-12-11 | 2014-04-16 | 《中国激光》杂志社有限公司 | 适用于大规模文献集群移动数字出版的系统和方法 |
CN103886046A (zh) * | 2014-03-11 | 2014-06-25 | 中国信息安全测评中心 | 一种面向Web数据交换的自动语义抽取的方法 |
CN105488130A (zh) * | 2015-11-25 | 2016-04-13 | 成都数联铭品科技有限公司 | 一种关联数据可视化展示方法 |
-
2016
- 2016-04-21 CN CN201610255421.8A patent/CN105893604A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103729412A (zh) * | 2013-12-11 | 2014-04-16 | 《中国激光》杂志社有限公司 | 适用于大规模文献集群移动数字出版的系统和方法 |
CN103886046A (zh) * | 2014-03-11 | 2014-06-25 | 中国信息安全测评中心 | 一种面向Web数据交换的自动语义抽取的方法 |
CN105488130A (zh) * | 2015-11-25 | 2016-04-13 | 成都数联铭品科技有限公司 | 一种关联数据可视化展示方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10339684B2 (en) * | 2016-08-31 | 2019-07-02 | International Business Machines Corporation | Visualization of connected data |
US10290130B2 (en) * | 2016-08-31 | 2019-05-14 | International Business Machines Corporation | Visualization of connected data |
CN106528757A (zh) * | 2016-11-03 | 2017-03-22 | 北京中安智达科技有限公司 | 一种面向大数据的关系分析展示方法 |
CN106528757B (zh) * | 2016-11-03 | 2021-09-03 | 北京中安智达科技有限公司 | 一种面向大数据的关系分析展示方法 |
CN106599240A (zh) * | 2016-12-12 | 2017-04-26 | 长春理工大学 | 一种多源数据处理方法及系统 |
CN108287832A (zh) * | 2017-01-09 | 2018-07-17 | 上海掌门科技有限公司 | 插入标签的方法和装置 |
CN107016068A (zh) * | 2017-03-21 | 2017-08-04 | 深圳前海乘方互联网金融服务有限公司 | 知识图谱构建方法及装置 |
CN107358527A (zh) * | 2017-06-19 | 2017-11-17 | 重庆誉存大数据科技有限公司 | 一种投资关系网络可视化分析方法及系统 |
CN107863157A (zh) * | 2017-08-25 | 2018-03-30 | 重庆康洲大数据有限公司 | 基于大数据中成药处方和方剂查询结果的分析装置和系统 |
CN110083756A (zh) * | 2018-01-26 | 2019-08-02 | 国际商业机器公司 | 识别知识图数据结构中的冗余节点 |
CN110083756B (zh) * | 2018-01-26 | 2023-11-17 | 勤达睿公司 | 识别知识图数据结构中的冗余节点 |
CN113711146A (zh) * | 2019-04-17 | 2021-11-26 | 阿自倍尔株式会社 | 管理系统 |
CN111008284A (zh) * | 2019-11-29 | 2020-04-14 | 北京数起科技有限公司 | 执行图谱分析的方法、装置及其服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105893604A (zh) | 一种海量关联信息处理及可视化实现方法 | |
CN105488130A (zh) | 一种关联数据可视化展示方法 | |
CN105426499A (zh) | 一种数据可视化实现方法 | |
Gao et al. | Exploring the domain of open innovation: Bibliometric and content analyses | |
US7730023B2 (en) | Apparatus and method for strategy map validation and visualization | |
CN110533974B (zh) | 一种智能组卷方法、系统和计算机可读存储介质 | |
CN105930461A (zh) | 实现关联信息节点可视化追踪的数据处理方法 | |
Ghazal et al. | Educational process mining: A systematic literature review | |
CN107895026A (zh) | 一种校园用户画像的实现方法 | |
CN109299258A (zh) | 一种舆情事件检测方法、装置及设备 | |
Lee et al. | Community detection: effective evaluation on large social networks | |
Schotter et al. | Interactive visualization for research contextualization in international business | |
Seemann et al. | Improving resevoir management through big data technologies | |
CN105956018A (zh) | 基于云计算平台的海量关联数据分析及可视化实现方法 | |
Veeramuthu et al. | Analysis of student result using clustering techniques | |
Song et al. | Mining skyline frequent-utility itemsets with utility filtering | |
Yang et al. | Closed walks for community detection | |
CN102929999A (zh) | 对比数据异同的方法及装置 | |
CN105718376B (zh) | 一种bug、commit、相关人员关系建立方法 | |
Zoun et al. | Interactive chord visualization for metaproteomics | |
Aljawabrah et al. | Automated recovery and visualization of test-to-code traceability (TCT) links: An evaluation | |
CN106354848A (zh) | 关联企业地理信息分析和展示系统 | |
Shamir et al. | Interactive visual queries for multivariate graphs exploration | |
Claveau et al. | Social network analysis: A complementary method of discovery for the history of economics | |
Li | [Retracted] A Data Mining‐Based Method for Quality Assessment of Ideological and Political Education in Universities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160824 |