CN106372194A - 一种呈现搜索结果的方法和系统 - Google Patents

Abstract

本发明提供一种呈现搜索结果的方法和系统，所述方法包括：根据用户输入的关键字确定动态可视化模型的维度，并根据所述关键字从数据源中获取搜索数据，所述数据源中的数据包括：结构化数据和/或非结构化数据；根据所述维度确定动态可视化模型模板；将所述搜索数据应用到所述动态可视化模型模板，生成所述搜索数据对应的动态可视化模型。本发明实施例，根据用户输入的关键字确定动态可视化模型的维度，并根据关键字从数据源中获取搜索数据，根据维度确定动态可视化模型模板，将搜索数据应用到确定的动态可视化模型模板，生成搜索数据对应的动态可视化模型，使得用户可以通过可视化报表直观的了解需要的数据，方便用户根据该数据开展后续工作。

Description

一种呈现搜索结果的方法和系统

技术领域

本发明涉及大数据处理领域，尤其涉及一种呈现搜索结果的方法和系统。

背景技术

用户在线上进行搜索时，仅能获得单一独立的信息，如网页信息、以及网页中的相关的图片或视频，或者数据源查询的结果。然而数据大量的积累，使得用户不再满足于获得单一信息，而是希望对信息进行概括归纳，形成有语意内容的知识，并可交互直观可视化的多维度观测到，进而进行各种业务决策，目前还缺乏相关技术。

发明内容

有鉴于此，本发明提供一种呈现搜索结果的方法和系统，以解决现有只能显示搜索结果对应的网页、图片或视频的问题。

具体地，本发明是通过如下技术方案实现的：

本发明提供一种呈现搜索结果的方法，所述方法包括：

根据用户输入的关键字确定动态可视化模型的维度，并根据所述关键字从数据源中获取搜索数据，所述数据源中的数据包括：结构化数据和/或非结构化数据；

根据所述维度确定动态可视化模型模板；

将所述搜索数据应用到所述动态可视化模型模板，生成所述搜索数据对应的动态可视化模型。

本发明实施例还提供了一种呈现搜索结果的系统，所述系统包括：

维度和搜索数据获取单元，用于根据用户输入的关键字确定动态可视化模型的维度，并根据所述关键字从数据源中获取搜索数据，所述数据源中的数据包括：结构化数据和/或非结构化数据；

动态可视化模型确定单元，用于根据所述维度确定动态可视化模型模板；

生成单元，用于将所述搜索数据应用到所述动态可视化模型模板，生成所述搜索数据对应的动态可视化模型。

本发明实施例，根据用户输入的关键字确定动态可视化模型的维度，并根据关键字从数据源中获取搜索数据，根据维度确定动态可视化模型模板，将搜索数据应用到确定的动态可视化模型，生成搜索数据对应的动态可视化模型，使得用户可以通过模型直观的了解需要的数据，方便用户根据该数据开展后续工作。

附图说明

图1是本发明一个示例性实施例示出的一种呈现搜索结果的方法的流程图；

图2是本发明再一示例性实施例示出的一种呈现搜索结果的方法的流程图；

图3是本发明实施例提供的后台架构设计图；

图4是本发明实施例提供的数据可视化数据流图；

图5是本发明实施例提供的数据仓库星型模型示意图；

图6是本发明实施例提供的数据可视化相关表构建的物理模型设计示意图；

图7是本发明实施例提供的数据可视化流程图；

图8是本发明一个示例性实施例示出的一种呈现搜索结果的系统的结构图；

图9是本发明再一示例性实施例示出的一种呈现搜索结果的系统的结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示为本发明一个示例性实施例示出的一种呈现搜索结果的方法的流程图，所述方法包括：

步骤S101，根据用户输入的关键字确定动态可视化模型的维度，并根据所述关键字从数据源中获取搜索数据，所述数据源中的数据包括：结构化数据和/或非结构化数据。

在本发明实施例中，系统首先接收用户输入的关键字，通过智能分词确定动态可视化模型的维度，如：二维、三维、多维等。同时根据关键字从数据源中获取对应的搜索数据。这里的数据源可以是系统本地的数据源，也可以是互联网中的数据源。如果是系统本地的数据源，由于数据传输速率的优势，可以快速获取搜索数据，但系统本地的数据源的存储量有限，结果可能不全面；如果是互联网中的数据，由于互联网传输速率的劣势，获取搜索数据较慢，但互联网数据存储量庞大，结果较全面，因此使用本地数据源或者互联网数据源，根据实际使用的需要决定，在此不做赘述。

根据用户搜索内容(具有一定语意内)或者搜索关键字和(或)用户的背景，根据自定义词库、近义词库、停词库，进行分词以及文本匹配，形成要搜索的决策模型维度。该维度包含但不限于：具体业务数据的内容维度(如产品的销售信息、属性信息、时间跨度等)、业务场景(如销售规模、竞品分析、规模预测等)、可视化展示方法(如饼状图、趋势图等)。

具体的获取搜索数据的方法如下：系统接收用户输入的关键字，对关键字进行智能分词，对经过分词的关键字进行自动归类(归类方式包括：模糊匹配、分词过滤等)，进而确定各关键字对应的数据源的字段内容。

其中，用户输入关键字的方法包括但不限于：语音输入、虚拟键盘输入、实体键盘输入、手写笔输入等。

其中，数据源中的数据包括但不限于：结构化数据、非结构化数据。结构化数据即为通过固定格式记录的信息，如：客户的基本信息、购买记录，客户的基本信息即通过固定的格式进行记录(如：姓名、地址、性别等)，同样的购买记录也是通过固定的格式进行记录(如：时间、该买方式、付款方式等)，非结构化数据即为通过不固定的格式记录的信息，如：用户对商品或商户的评价文本。

这些数据可存储在互联网或本地网络，存储方式可能各不相同，如存储在MySQL、PostgreSQL、SQL Server数据源、Hadoop,Hive、ASW S3等。此异地异库异构数据源，在经过清洗、整合、商业建模、关键字索引(具体手段不再赘述)后，形成结构化数据，并通过连接器与中央数据仓库连接，进行统一调度。

步骤S102，根据所述维度确定动态可视化模型模板。

在本发明实施例中，通过对关键字进行智能分词可以获取动态可视化模型的维度，根据获取的维度即可确定动态可视化模型模板。

对从用户输入所获取的搜索数据维度，与系统预设的可视化模型模板进行关联性匹配，生成所述搜索数据对应的示意图。具体的数据维度包括但不限于：

根据数据的内容维度，从业务数据源中抽取相关数据；

根据可视化模型维度，确定所采用的可视化模型模板的范围；

根据可视化展示方法维度，确定模型的展示方法及风格。

预设的可视化模型模板，包含：数据组织方式，以SQL语句存储在数据源；可视化模型的类型ID；模型的主题及副主题、业务应用标签。这些模型模板，根据各种业务应用场景、智能决策知识与逻辑、商业模型与逻辑、领域专家经验等，存储在数据源中，且含有各种维度参数，以供后续具体填充补充。

其中动态可视化模型包括但不限于：柱状图、地图、饼图、雷达图、K线图、箱线图、热力图、关系图、矩形树图、平行坐标图、桑葚图、漏斗图、仪表盘图等。

如图2所示为本发明再一示例性实施例示出的一种呈现搜索结果的方法的流程图，所述根据所述维度确定动态可视化模型，包括：

步骤S201，根据所述维度确定动态可视化模型模板的范围。

在本发明实施例中，根据关键字可以确定动态可视化模型模板的维度，但是同一维度的模型可以包括很多种，因此通过维度首先确定动态可视化模型模板的范围。

步骤S202，根据权重从所述范围中确定动态可视化模型。

在本发明实施例中，权重可以包括很多种，如：使用权重、客户要求权重等，具体的权重可以根据实际使用的需要而确定，在此不做赘述。根据权重对范围内的所有动态可视化模型进行加权计算，获取权重最高的动态可视化模型。

步骤S103，将所述搜索数据应用到所述动态可视化模型，生成所述搜索数据对应的动态可视化模型。

在本发明实施例中，动态可视化模型只是一个原始的模型，其中并不包含任何具体展示数据，因此将搜索数据应用到确定的动态可视化模型，即可生成包含搜索数据的动态可视化模型，该动态可视化模型中包含用户需要的各种数据，并直观可交互的方式展示给用户，使得用户可以根据动态可视化模型方便、快捷的展开后续的工作。

将所述搜索内容维度进行组合、匹配，生成各种具有一定顺序的含具体数据内容的场景型动态可视化模型。此可视化模型具有一定的决策语意及应用场景，包含各种实时可变可交互的数据。这些模型按重要性算法进行排序，并根据业务场景进行组合，整体具有一定的决策语意，满足用户的决策需求。

本发明实施例，根据用户输入的关键字确定动态可视化模型的维度，并根据关键字从数据源中获取搜索数据，根据维度确定动态可视化模型模板，将搜索数据应用到确定的动态可视化模型，生成搜索数据对应的动态可视化模型，使得用户可以通过模型直观的了解需要的数据，方便用户根据该数据开展后续工作。

举例说明：

从系统的功能逻辑上来分，平台主要包括为五大API接口，分别为用户API,业务逻辑API，图形API,数据API，搜索引擎API。其中用户API用来包括用户登录和用户权限接口。业务逻辑API主要是用来通过查询文本来返回该图表对应的图形类型和查询文本对应的业务SQL。图形API主要是处理查询返回后的数据，通过请求的图表类型以及对应的图表绘制信息来展现数据图表。数据API主要是用来通过业务SQL，图形类型，以及数据筛选条件来返回绘制图表所需要的信息。

如图3所示为本发明实施例提供的后台架构设计图，在功能分类上，平台总体上采用API模式，这种模式具有高内聚低耦合的特点，其优点是将不同系统功能分模块分配到不同API中，提高系统的可维护性和可扩展性。

针对用户输入，找到关键词对应的数据维度，由此检索出相关数据，由此与各相关内容进行动态匹配，得到关于用户搜索的动态可视化模型。在此搜索功能中，用户使用简单的语句输入，就可通过检索来筛选出数据报告的相关内容。

模块输入：业务分析的SQL，和用来进行数据筛选的语句字符串。

模块输出：通过对输入查询语句进行分词，替换，近义词检索之后，并在这些数据上进行业务分析SQL，返回的最终数据。

为了实现数据可视化的目的，在该模块中，它能够将任意数据分析的结果，通过事先定义好的数据结构和图表配置信息，通过一系列的数据处理，能够向用户返回前端可视化绘制所需要的JSON格式的数据内容。

模块输入：用户输入的查询条件和对应的业务模板ID，查询条件为字符串格式的语句，业务模板ID为数据源中对应的业务模板唯一标识。

模块输出：对应于该业务模板分析以及被数据处理过后的JSON绘图信息。

如图4所示为本发明实施例提供的数据可视化数据流图，在数据可视化功能中，得到用户输入的查询条件和业务信息，通过调用数据检索功能得到检索并分析之后的数据，在该模块内进行图表源数据处理，图表绘制数据转换，最终返回图表数据的整个数据流过程。

具体地，本发明是通过如下技术方案实现的：

数据准备：整合各种业务数据源，包含结构化数据和/或非结构化数据；图片、视频、语音、文档数据等；以及各种存储在互联网或本地的数据。这些数据存储方式可能各不相同，如存储在MySQL、PostgreSQL、SQL Server数据源，Hadoop,Hive,ASW S3等。采用大数据技术，把这些分布在异处散乱的数据源进行有效结构化清洗、结构化处理、商业建模、建立关键字索引等，并通过连接器与中央数据仓库进行连接，进行统一调度。

数据整理后，形成结构化数据。一般地，数据仓库中常用到的两种建模方式就是星形模型(Star Schema)和雪花模型(Snowflake Schema)。星型架构是一种非正规化的结构，多维数据集的每一个维度都直接与事实表相连接，不存在渐变维度，所以数据有一定的冗余。当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。雪花模型是对星型模型的扩展。它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的层次区域，这些被分解的表都连接到主维度表而不是事实表。

总体来说，星型模型因为数据的冗余所以很多统计查询不需要做外部的连接，因此一般情况下效率比雪花型模型要高。星型结构不用考虑很多正规化的因素，设计与实现都比较简单。雪花型模型由于去除了冗余，有些统计就需要通过表的联接才能产生，所以效率不一定有星型模型高。正规化也是一种比较复杂的过程，相应的数据源结构设计、数据的ETL、以及后期的维护都要复杂一些。因此在冗余可以接受的前提下，实际运用中星型模型使用更多，也更有效率。星型模型的设计就能很好的满足我们初期对于数据仓库的要求，并且星型模型所关联的事实表和维度表远比雪花模型少，在一定程度上也保证了我们对性能的要求。

如对销量事实表，它具有多种维度，例如时间维度，商品维度，地址维度等。销量表也具有多种事实度量，例如销售额度量，收藏量度量，30天销售量等度量。我们需要能在一定时间内快速而又简单地将数据进行呈现，所以我们选择了星状模型作为我们的理论指导模型。

如图5所示为本发明实施例提供的数据仓库星型模型示意图，其构建了四张维度表和一张事实表。事实表内拥有item_id商品维度、seller_id卖家维度、address_id地址维度、datetimes_id时间维度，totalamount销售额度量、ordercost店铺收藏量度量、biz30day最近30天销售量。

模型准备：根据用户搜索内容(具有一定语意内)或者搜索关键字和(或)用户的背景，根据自定义词库、近义词库、停词库，进行分词以及文本匹配，形成要搜索的决策模型维度。该维度包含但不限于：具体业务数据的内容维度(如产品的销售信息、属性信息、时间跨度等)、业务场景(如销售规模、竞品分析、规模预测等)、可视化展示方法(如饼状图、趋势图等)。

对于数据可视化模块，基于数据源第三范式，我们设计了三张数据表。搜索图表用来存储图表的具体配置信息，其中有图表的唯一自增主键，图表的名字，图表所属的搜索类别，图表能够自定义的图表绘制名字模板以及图表的其他具体应用属性字段。搜索图表子配置表是一张对搜索图表和搜索业务SQL表，其中有业务ID、图表ID图表数据配置和图表数据类型字段。其中数据来源关联业务SQL表的ID，数据处理方式由图表数据类型定义，一般会有折线图，饼图，柱状图，树状图，散点图等多种图形类型，图表数据配置会根据不同的图形类型而改变。搜索业务SQL表主要是存储不同业务的模板SQL，其中业务ID作为唯一自增主键，业务名字作为一个业务的补充说明。图6所示是本发明实施例提供的数据可视化相关表构建的物理模型设计示意图。

维度生成与匹配：对从用户输入所获取的搜索数据维度，与系统预设的可视化模型模板进行关联性匹配，生成所述搜索数据对应的示意图。具体的数据维度对应如下(但不仅限于如下内容)：

根据数据的内容维度，从业务数据源中抽取相关数据；

根据可视化模型维度，确定所采用的可视化模型模板的范围；

根据可视化展示方法维度，确定模型的展示方法及风格

根据可视化展示方法维度，确定模型的展示方法及风格预设的可视化模型模板，根据各种决策知识、商业逻辑、专家经验等，存储在数据源中，且含有各种维度参数，以供后续具体填充补充。

可视化模型采用各种开源库如ECharts、D3、Highcharts等，以及自己独自开发的封装完整的各种可视化模型。通过这些开源库，我们统一使用JSON格式实现业务数据输入。在本模块中，系统获取图表的唯一ID和对数据检索的语句，通过图表ID读取业务SQL和图表绘制的配置信息，我们来完成数据从数据源到分析，最后到用户面前的整个功能流程。

数据可视化总体归纳有如下几步。如图7所示为本发明实施例提供的数据可视化流程图：

步骤一：根据图表ID访问数据源，取出相关的图表配置信息，图表子配置信息。

步骤二：根据子配置信息内的业务ID，访问数据源，取出源业务数据。

步骤三：对源业务数据进行数据格式转化。

步骤四：根据业务ID相对应的图表子配置中的图表类型进行数据处理。

步骤五：合并结果业务数据。

步骤六：循环步骤三，直至所有业务ID处理完毕。

步骤七：将处理完毕的结果业务数据和图表配置信息合并。

步骤八：输出结果。

可视化模型展示：将所述搜索内容维度进行组合、匹配，生成各种具有一定顺序的含具体数据内容的动态可视化模型。此可视化模型具有一定的决策语意，及应用场景，其包含各种实时可变可交互的数据。这些模型按重要性算法进行排序，并根据业务场景进行组合，形成多种可视化模型，整体具有一定的决策语意，满足用户的决策需求。

如图8所示为本发明一个示例性实施例示出的一种呈现搜索结果的系统的结构图，为了便于说明，仅示出与本发明实施例相关的部分，包括：

维度和搜索数据获取单元801，用于根据用户输入的关键字确定动态可视化模型的维度，并根据所述关键字从数据源中获取搜索数据，所述数据源中的数据包括：结构化数据和/或非结构化数据。

在本发明实施例中，系统首先接收用户输入的关键字，通过智能分词确定动态可视化模型的维度，如：二维、三维、多维等。同时根据关键字从数据源中获取对应的搜索数据。这里的数据源可以是系统本地的数据源，也可以是互联网中的数据源。如果是系统本地的数据源，由于数据传输速率的优势，可以快速获取搜索数据，但系统本地的数据源的存储量有限，结果可能不全面；如果是互联网中的数据，由于互联网传输速率的劣势，获取搜索数据较慢，但互联网数据存储量庞大，结果较全面，因此使用本地数据源或者互联网数据源，根据实际使用的需要决定，在此不做赘述。

根据用户搜索内容(具有语一定意内)或者搜索关键字和(或)用户的背景，根据自定义词库、近义词库、停词库，进行分词以及文本匹配，形成要搜索的决策模型维度。该维度包含但不限于：具体业务数据的内容维度(如产品的销售信息、属性信息、时间跨度等)、业务场景(如销售规模、竞品分析、规模预测等)、可视化展示方法(如饼状图、趋势图等)。

具体的获取搜索数据的方法如下：系统接收用户输入的关键字，对关键字进行智能分词，对经过分词的关键字进行自动归类(归类方式包括：模糊匹配、分词过滤等)，进而确定各关键字对应的数据源的字段内容。整合各种业务数据源，包含结构化数据和/或非结构化数据；图片、视频、语音、文档数据等；以及各种存储在互联网或本地的数据。这些数据存储方式可能各不相同，如存储在MySQL、PostgreSQL、SQL Server数据源，Hadoop,Hive,ASW S3等。采用大数据技术，把这些分布在异处散乱的数据源进行有效结构化清洗、结构化处理、商业建模、建立关键字索引等，并通过连接器与中央数据仓库进行连接，进行统一调度。

其中，用户输入关键字的方法包括但不限于：语音输入、虚拟键盘输入、实体键盘输入、手写笔输入等。

其中，数据源中的数据包括但不限于：结构化数据、非结构化数据。结构化数据即为通过固定格式记录的信息，如：客户的基本信息、购买记录，客户的基本信息即通过固定的格式进行记录(如：姓名、地址、性别等)，同样的购买记录也是通过固定的格式进行记录(如：时间、该买方式、付款方式等)，非结构化数据即为通过不固定的格式记录的信息，如：用户对商品或商户的评价文本。

这些数据可存储在互联网或本地网络，存储方式可能各不相同，如存储在MySQL、PostgreSQL、SQL Server数据源、Hadoop,Hive、ASW S3等。此异地异库异构数据源，在经过清洗、整合、商业建模、关键字索引(具体手段不再赘述)后，形成结构化数据，并通过连接器与中央数据仓库连接，进行统一调度。

动态可视化模型确定单元802，用于根据所述维度确定动态可视化模型模板。

在本发明实施例中，通过对关键字进行智能分词可以获取动态可视化模型的维度，根据获取的维度即可确定动态可视化模型模板。

对从用户输入所获取的搜索数据维度，与系统预设的可视化模型模板进行关联性匹配，生成所述搜索数据对应的示意图。具体的数据维度对应如下：

根据数据的内容维度，从业务数据源中抽取相关数据；

根据可视化模型维度，确定所采用的可视化模型模板的范围；

根据可视化展示方法维度，确定模型的展示方法及风格。

预设的可视化模型模板，包含：数据组织方式，以SQL语句存储在数据源；可视化模型的类型ID；模型的主题及副主题、业务应用标签。这些模型模板，根据各种业务应用场景、智能决策知识与逻辑、商业模型与逻辑、领域专家经验等，存储在数据源中，且含有各种维度参数，以供后续具体填充补充。

其中动态可视化模型包括但不限于：柱状图、地图、饼图、雷达图、K线图、箱线图、热力图、关系图、矩形树图、平行坐标图、桑葚图、漏斗图、仪表盘图等。

如图9所示为本发明再一示例性实施例示出的一种呈现搜索结果的系统的结构图，所述动态可视化模型确定单元802，包括：

范围确定子单元8021，用于根据所述维度确定动态可视化模型模板的范围。

在本发明实施例中，根据关键字可以确定动态可视化模型模板的维度，但是同一维度的模型可以包括很多种，因此通过维度首先确定动态可视化模型的范围。

动态可视化模型确定子单元8022，用于根据权重从所述范围中确定动态可视化模型。

在本发明实施例中，权重可以包括很多种，如：使用权重、客户要求权重等，具体的权重可以根据实际使用的需要而确定，在此不做赘述。根据权重对范围内的所有动态可视化模型进行加权计算，获取权重最高的动态可视化模型。

生成单元803，用于将所述搜索数据应用到所述动态可视化模型，生成所述搜索数据对应的动态可视化模型。

在本发明实施例中，动态可视化模型只是一个原始的模型，其中并不包含任何具体展示数据，因此将搜索数据应用到确定的动态可视化模型，即可生成包含搜索数据的动态可视化模型，该动态可视化模型中包含用户需要的各种数据，并直观可交互的方式展示给用户，使得用户可以根据动态可视化模型方便、快捷的展开后续的工作。

将所述搜索内容维度进行组合、匹配，生成各种具有一定顺序的含具体数据内容的场景型动态可视化模型。此可视化模型具有一定的决策语意及应用场景，包含各种实时可变可交互的数据。这些模型按重要性算法进行排序，并根据业务场景进行组合，整体具有一定的决策语意，满足用户的决策需求。

本发明实施例，根据用户输入的关键字确定动态可视化模型的维度，并根据关键字从数据源中获取搜索数据，根据维度确定动态可视化模型，将搜索数据应用到确定的动态可视化模型，生成搜索数据对应的动态可视化模型模板，使得用户可以通过模型直观的了解需要的数据，方便用户根据该数据开展后续工作。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种呈现搜索结果的方法，其特征在于，所述方法包括：

根据用户输入的关键字确定动态可视化模型的维度，并根据所述关键字从数据源中获取搜索数据，所述数据源中的数据包括：结构化数据和/或非结构化数据；

根据所述维度确定动态可视化模型模板；

将所述搜索数据应用到所述动态可视化模型模板，生成所述搜索数据对应的动态可视化模型。

2.如权利要求1所述的方法，其特征在于，所述根据所述维度确定动态可视化模型模板，包括：

根据所述维度确定动态可视化模型模板的范围；

根据权重从所述范围中确定动态可视化模型模板。

3.如权利要求1所述的方法，其特征在于，所述根据所述关键字从数据源中获取搜索数据，包括：

系统接收用户输入的关键字，对关键字进行智能分词，对经过分词的关键字进行自动归类，进而确定各关键字对应的数据源的字段内容。

4.如权利要求1～3任一项所述的方法，其特征在于，所述维度包括：具体业务数据的内容维度、业务场景、可视化展示方法。

5.如权利要求1～3任一项所述的方法，其特征在于，所述示意图模型包括：柱状图、地图、饼图、雷达图、K线图、箱线图、热力图、关系图、矩形树图、平行坐标图、桑葚图、漏斗图、仪表盘图。

6.一种呈现搜索结果的系统，其特征在于，所述系统包括：

维度和搜索数据获取单元，用于根据用户输入的关键字确定动态可视化模型的维度，并根据所述关键字从数据源中获取搜索数据，所述数据源中的数据包括：结构化数据和/或非结构化数据；

动态可视化模型确定单元，用于根据所述维度确定动态可视化模型模板；

生成单元，用于将所述搜索数据应用到所述动态可视化模型模板，生成所述搜索数据对应的动态可视化模型。

7.如权利要求6所述的系统，其特征在于，所述动态可视化模型确定单元，包括：

范围确定子单元，用于根据所述维度确定动态可视化模型模板的范围；

动态可视化模型确定子单元，用于根据权重从所述范围中确定动态可视化模型模板。

8.如权利要求6所述的系统，其特征在于，

所述根据所述关键字从数据源中获取搜索数据，包括：

系统接收用户输入的关键字，对关键字进行智能分词，对经过分词的关键字进行自动归类，进而确定各关键字对应的数据源的字段内容。

9.如权利要求6～8任一项所述的系统，其特征在于，维度包括：具体业务数据的内容维度、业务场景、可视化展示方法。

10.如权利要求6～8任一项所述的系统，其特征在于，所述示意图模型包括：柱状图、地图、饼图、雷达图、K线图、箱线图、热力图、关系图、矩形树图、平行坐标图、桑葚图、漏斗图、仪表盘图。