CN106682811B - 一种基于密度聚类与力引导算法的市场网络可视化方法 - Google Patents

Abstract

本发明提出了一种基于密度聚类与力引导算法的市场网络可视化方法，该方法中：对市场数据进行预处理并提取时空信息，生成市场多元数据表；根据市场数据中买家与卖家的时空信息进行基于密度的空间聚类，用于自动生成市场网络中的节点，且一个类即为市场网络中的一个节点；根据力引导算法建立自组织市场网络模型，用于自动生成市场网络中类与类之间的边；根据所计算出来的市场网络节点与边进行可视化。通过本发明的技术方案，可对任何蕴涵时空信息的市场数据进行可视化，并在电子地图上实现直观、高效、清晰的市场网络呈现，提高行业及企业的市场数据分析效率。

Description

一种基于密度聚类与力引导算法的市场网络可视化方法

技术领域

本发明涉及信息可视化和可视分析领域，具体涉及一种基于密度聚类与力引导算法的市场网络可视化方法。

背景技术

市场是一个抽象的概念，它由无数不断变化的买家和卖家共同构成。市场状态瞬息万变，它是一个大规模的、动态的、连续变化的过程，消费行为往往是随机的不确定的，客户群体是动态发展的，人们对市场的认识常常是模糊的、且不一致的。市场是企业生存的土壤、发展的源头，产品的市场营销网络就是企业的生命线，市场分析是企业制定发展战略和工作计划的关键所在。

市场实际上是一个看不见的动态系统，“网络”常常被用来描述这个系统中的复杂关系。按照复杂网络理论，市场网络是由许多个市场热点以及不同热点之间的相互关系共同构成的。其中，小世界网络最适合用于描述市场热点之间的这种关系，它既不是完全随机的，也不是完全规则的，而是像世界著名的“六度分离”案例一样，市场网络中的任意两个节点之间，都可以通过有限的中转来建立起联系。企业市场营销中所研究的一项重要内容就是如何利用这些关系网络来建立起企业与顾客之间的联系，达到推广品牌价值理念的作用。

信息可视化就是将抽象的数据转换成可视的图形、图像来表现数据中隐含的信息与规律。可视分析就是通过科学/信息可视化技术将抽象的数据转换成可视图形，再借助人机交互、数据挖掘等技术，让人可以进行动态交互的数据探索，其主要目的是帮助分析者以最小的视觉分析代价去获得最大的洞察及知识发现。目前针对市场网络的可视化技术比较少见。

发明内容

本发明的一个目的在于解决市场网络可视化问题，使得企业可以从市场数据中清晰、直观、可视的分析市场网络的发展状态。

为了解决上述技术问题，本发明提供如下技术方案：

一种基于密度聚类与力引导算法的市场网络可视化方法，包括：

获取市场数据，并提取所述市场数据中的与买家和卖家相关的时空信息；

根据所述时空信息进行空间聚类，聚类结果中每一个类作为市场网络中的一个节点；

根据所述聚类结果建立市场网络模型，生成不同节点间的边；

根据市场网络中的每一个节点及每一条边得到市场网络的可视化图形。

可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，根据所述时空信息进行空间聚类，聚类结果中每一个类作为市场网络中的一个节点中：

对所述时空信息进行基于密度的空间聚类。

通过K-DBSCAN算法或DBSCAN算法或PDBSCAN算法对所述时空信息进行基于密度的空间聚类。

可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，根据所述聚类结果建立市场网络模型，生成不同节点间的边中：

根据力引导算法建立自组织市场网络模型，用于自动生成市场网络中不同节点之间的边。

可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，获取市场数据，并提取所述市场数据中的与买家和卖家相关的时空信息，具体包括：

按照预设格式获取市场数据库中的买家与卖家数据，所述买家与卖家数据至少包括用户ID、手机号、产品类型、销量、价格、利润、地址、GPS定位信息、交易时间；

删除所述买家与卖家数据中不符合预设要求的数据，得到清洗后数据表；

将所述清洗后数据表中的地址解析为经纬度坐标，并对用户时空信息进行聚合，选取最准确的经纬度坐标值。可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，根据所述聚类结果建立市场网络模型，生成不同节点间的边，具体包括：

根据市场分析需求确定销售综

合评价指标，根据每个节点中所有N个数据点的所述综合评价指标分数c_i，得到市场网络中每个节点的综合评价分数

根据每个节点中所有N个数据点的经度坐标ln和纬度坐标la，计算每个节点的中心点位置；

根据每个节点的中心点位置和每个节点的综合评价分数获取不同节点之间市场销售引力的关系，分别为每一对节点计算两者之间销售引力，所述销售引力用于表示两个节点之间的正相关销售关系；

根据每个节点中所有N个数据点的经度坐标ln和纬度坐标la及每个节点的综合评价分数获取市场销售引力阈值TF；

若一对节点的销售引力大于所述引力阈值，则该对节点之间存在边；

重复以上步骤，得到所述市场网络中的所有的边。

可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，根据每个节点中所有N个数据点的经度坐标ln和纬度坐标la，计算每个节点的中心点位置，具体包括：

中心点经度坐标

中心点纬度坐标

其中ln_i和la_i分别表示第i个数据点的经度坐标和纬度坐标。

可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，根据每个节点的中心点位置和每个节点的综合评价分数获取不同节点之间市场销售引力的关系，分别为每一对节点计算两者之间销售引力，所述销售引力用于表示两个节点之间的正相关销售关系，具体包括：

对于任意节点a和节点b，计算节点a与节点b之间的空间距离：D_a,b＝|(lN_a–lN_b)+(lA_a–lAa_b)|；其中lN_a和lA_a分别表示节点a的经度坐标和纬度坐标，lN_b和lA_b分别表示节点b的经度坐标和纬度坐标；

节点a与节点b之间的销售引力为：

其中K为常数，Ca表示节点a的综合评价分数，Cb表示节点b的综合评价分数。

可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，根据每个节点中所有N个数据点的经度坐标ln和纬度坐标la及每个节点的综合评价分数获取市场销售引力阈值TF，具体包括：

获取市场网络中所有数据点的最大经度值LN_max、最小经度值LN_min和最大纬度值LA_max、最小纬度值LA_min；并得到市场网络中的最大距离D_max：D_max＝(LN_max–LN_min)+(LA_max–LA_min)；

获取市场网络中所有M个节点的总计综合评价分数C_sum，计算公式为：

获取市场销售引力阈值：

其中k′为力引导系数其为大于0的常数。

可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，重复以上步骤，得到所述市场网络中的所有的边之后还包括如下步骤：

通过改变力引导系数k′的值调整所述市场销售引力阈值TF，进一步调整市场网络中边的数量。

可选地，上述的基于密度聚类与力引导算法的市场网络可视化方法，根据市场网络中的每一个节点及每一条边得到市场网络的可视化图形，具体包括：

采用一个圆形来表示一个节点，对于市场网络中的任意节点a，圆心坐标为：

圆的半径为:

其中，LN_{a_max}表示节点a中的最大经度坐标，LN_{a_min}表示节点a中的最小经度坐标，LA_{a_max}表示节点a中的最大纬度坐标，LA_{a_min}表示节点a中的最小纬度坐标；

对于任意节点a，得到其对应的圆形的画笔宽度WS_a：

其中，N为节点的数量，W为预设参数值；

对于任意节点a，采用HSL模式得到其色彩参数，其中

其中H为预设参数值，L_a＝100％，S_a＝50％；

对于任意节点a，得到其对应的圆形内的透明度CO_a；

对市场网络中的所有边进行可视化，具体方法为：

用一条直线或曲线来表示一条边，对于市场网络中的任意边E_a，b的两个端点位置分别为：

对于任意边E_a，b，可对直线或曲线的画笔宽度LS_a，b进行设计，计算公式为：

其中，N为节点的数量，W为预设参数值；

对于任意边E_a，b，得到直线或曲线的颜色

采用HSL模式得到直线或曲线的颜色LL_a，b，令

L_a，b＝100％，S_a，b＝50％；

采用HSL模式得到任意边E_a，b的透明度

本发明还提供一种执行基于密度聚类与力引导算法的市场网络可视化方法的电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取市场数据，并提取所述市场数据中的与买家和卖家相关的时空信息；

根据所述时空信息进行空间聚类，聚类结果中每一个类作为市场网络中的一个节点；

根据所述聚类结果建立市场网络模型，生成不同节点间的边；

根据市场网络中的每一个节点及每一条边得到市场网络的可视化图形。

本发明提供的上述技术方案，与现有技术相比，至少具有以下有益效果：

本发明提出了一种基于密度聚类与力引导算法的市场网络可视化方法，该方法中：对市场数据进行预处理并提取时空信息，生成市场多元数据表；根据市场数据中买家与卖家的时空信息进行基于密度的空间聚类，用于自动生成市场网络中的节点，且一个类即为市场网络中的一个节点；根据力引导算法建立自组织市场网络模型，用于自动生成市场网络中类与类之间的边；根据所计算出来的市场网络节点与边进行可视化。通过本发明的技术方案，可对任何蕴涵时空信息的市场数据进行可视化，并在电子地图上实现直观、高效、清晰的市场网络呈现，提高行业及企业的市场数据分析效率。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所述基于密度聚类与力引导算法的市场网络可视化方法的流程图；

图2是本发明一个实施例所述市场网络中节点的可视化结果的示意图；

图3是本发明一个实施例所述市场网络中边的可视化结果的示意图；

图4和图5是本发明一个实施例所述市场网络的可视化结果的示意图；

图6是本发明一个实施例所述节点的可视化细节展示的示意图；

图7是本发明一个实施例所述市场网络中的边透明处理后的显示效果示意图；

图8是本发明一个实施例所述市场网络中的曲线边技术显示效果示意图；

图9是本发明一个实施例所述市场网络中的曲线边技术和透明处理相结合后的显示效果示意图；

图10为本发明一个实施例所述基于密度聚类与力引导算法的市场网络可视化方法的电子设备的硬件结构连接示意图。

具体实施方式

实施例1

本实施例提供一种基于密度聚类与力引导算法的市场网络可视化方法，如图1所示，包括如下步骤：

S100：获取市场数据，并提取所述市场数据中的与买家和卖家相关的时空信息；其中所述市场数据可以是厂家在销售过程中根据销售数据进行整理后得到的，买家和卖家相关的时空信息可以包括：用户ID、手机号、产品类型、销量、价格、利润、地址、GPS定位信息、交易时间等，可以为厂家提供需求分析的其他相关数据亦可。具体地，按照预设格式获取市场数据库中的买家与卖家数据，删除所述买家与卖家数据中不符合预设要求的数据，得到清洗后数据表；将所述清洗后数据表中的地址解析为经纬度坐标，并对用户时空信息进行聚合，选取最准确的经纬度坐标值。具体地，本步骤可通过如下方式实现：

首先根据用户的地址信息进行经纬度解析，再结合用户所在地信息进行比对，如果用户所在地信息与解析后的经纬度相匹配，则采用此经纬度信息，否则对用户的公网IP地址进行经纬度地址解析，如果如果用户所在地信息与解析后的公网IP地址相匹配则采用公网IP地址的经纬度信息，否则采用用户的手机GPS定位信息的经纬度信息，由此得到最准确的经纬度信息。而如果用户的地址信息、用户的公网IP地址与用户所在地信息不匹配，且用户手机的GPS定位信息不存在，则删除此数据项，以确保数据的准确性。

S200：根据所述时空信息进行空间聚类，聚类结果中每一个类作为市场网络中的一个节点；具体地，可以根据时空信息中的GPS定位信息、地址信息等进行聚类，以不同的数据参量进行聚类得到的可视化结果会有所不同。例如以利润按照地址进行聚类，得到的是利润的分布。可以根据实际需求选择聚类的参数。每一个节点中包括多个数据点，每一个节点中的数据点具有相类似的特性，例如具有相似的利润、相似的价格、相似的交易时间等等。聚类方法可以选择基于密度的空间聚类方法，例如DBSCAN(Density-Based SpatialClustering of Applications with Noise)算法或K-DBSCAN(kmeans-DBSCAN)算法或PDBSCAN(Parallel DBSCAN)算法等。

S300：根据所述聚类结果建立市场网络模型，生成不同节点间的边；所述边即为连接两个节点的直线或者曲线等。

S400：根据市场网络中的每一个节点及每一条边得到市场网络的可视化图形。

通过本方案，可对任何蕴涵时空信息的市场数据进行可视化，并在电子地图上实现直观、高效、清晰的市场网络呈现，提高行业及企业的市场数据分析效率。

实施例2

在实施例1的基础上，本实施例提供一种根据所述聚类结果建立市场网络模型，生成不同节点间的边的方法，包括如下步骤：

S31、用户根据个性化市场分析需求确定销售综合评价指标，根据每个网络节点中所有N个数据点的所述综合评价指标分数c_i进行累加计算，得到网络中每个网络节点的综合评价分数

S32、根据每个网络节点中所有N个数据点的经度坐标ln和纬度坐标la，计算网络中每个网络节点的中心点位置，计算公式为：中心点精度值

中心点纬度值

S33、根据万有引力公式设计不同网络节点之间市场销售引力的力引导公式，分别为网络中每一对网络节点计算两者之间销售引力，用于表示两个节点之间的正相关销售关系，具体计算方法为：

S331：对于任意网络节点a和网络节点b，计算a与b之间的空间距离，计算公式为：D_a,b＝|(LN_a–LN_b)+(LA_a–LA_b)|；

S332：对于任意网络节点a和网络节点b，a与b之间的市场销售引力计算公式为：

(K为常数)，该公式也可等价变换为：

(K为常数)；常数可以根据实际需求进行选择，也可以通过标定的方式获取，还可以根据经验值进行获取。

S34、计算市场销售引力阈值TF。计算方法为：

S341：计算市场网络中所有点的最大精度值LN_max、最小精度值LN_min和最大纬度值LA_max、最小纬度值LA_min；

S342：计算市场网络中的最大距离D_max，计算公式为：D_max＝(LN_max–LN_min)+(LA_max–LA_min)；

S343：计算市场网络中所有M个点的总计综合评价分数C_sum，计算公式为：

S344：计算市场销售引力阈值TF，计算公式为：

(k′为大于0的常数)；

S345：为所述k′赋值，k′为力引导系数。

S35、计算市场网络中的所有边。计算方法为：

S351：对于任意网络节点a和网络节点b，分别计算a与b之间的市场销售引力F_a,b，当F_a,b＞TF时，边E_a,b存在，反之则不存在；

S352：按照步骤S351遍历计算市场网络中的每一对节点，将存在的边进行保存；

S353：通过改变力引导系数k′的值来控制所述引力阈值TF，从而控制市场网络中边的数量。

当获取到所有的节点以及所有的边之后，下一步就是设计每一个节点和每一条边的显示参数，例如颜色、透明度、线条宽度、形状等等。及所述步骤S400包括如下步骤：

S41、对市场网络中的所有节点进行可视化，具体方法为：

S411：用一个圆形来表示一个网络节点，对于市场网络中的任意节点a，圆心所在经纬度位置为：

圆的半径为:

S412：对于任意节点a，可对圆形的画笔宽度WS_a进行设计，计算公式为：

(N为节点的数量，W为预设参数值)；如图2所示，在电子地图上，以圆形表示节点201，每一个圆形内部有多个数据点202。

S413：对于任意节点a，可对圆形的颜色CL_a进行设计，可使用RGB、HSL、HSLA三种颜色编码模式进行固定颜色的设置，也可通过颜色代码编程进行动态自适应颜色设计，例如：对于任意节点a，采用HSL模式，令

(H为预设参数值)，L_a＝100％，S_a＝50％；

S414：对于任意节点a，可对圆形内的透明度CO_a进行设计，可使用RGB、HSL、HSLA三种颜色编码模式进行固定颜色的设置，也可通过颜色代码编程进行动态自适应颜色设计。如图2和图3所示，相同位置的节点，其圆形的透明度不相同，产生的视觉效果也有所不同。

如图2所示，为了对不同节点进行区分，每一个节点的颜色和画笔宽度均作了不同的设置，因此在电子地图上显示了多个不同的圆形节点。

S42、对市场网络中的所有边进行可视化，具体方法为：

S421：用一条直线或曲线来表示一条边，对于市场网络中的任意边E_a，b的两个端点位置分别为：

如图3所示，不同节点之间的边采用直线实现，当然也可以采用曲线的方式实现，如图8和图9所示。具体地，如图6所示，每一个节点与另一个节点通过边进行连接时，是选择节点内中心点作为边的端点的。

S422：对于任意边E_a，b，可对直线或曲线的画笔宽度LS_a，b进行设计，计算公式为：

(N为节点的数量，W为预设参数值)；

S423：对于任意边E_a，b，可对直线或曲线的颜色LL_a，b进行设计，可使用RGB、HSL、HSLA三种颜色编码模式进行固定颜色的设置，也可通过颜色代码编程进行动态自适应颜色设计，例如：对于任意节点a，采用HSL模式，令

L_a，b＝100％，S_a，b＝50％；

S424：对于任意边E_a，b，可对圆形内的透明度LO_a，b进行设计，可使用RGB、HSL、HSLA三种颜色编码模式进行固定颜色的设置，也可通过颜色代码编程进行动态自适应颜色设计，例如：对于任意边E_a,b，采用HSL模式，令

本实施例中的上述方案中抽象后的市场网络包含了2个组成部分，即节点的可视化，以及边的可视化。其中，边的可视化所表达的涵义是节点之间的相互影响关系，例如两地之间销量的正相关关系，即当A地销量增长时，也会影响到A点的边所连接到的多个地方节点的销量，他们之间是相互影响、相互促进的方式。因此，采用可视化后的市场网络，不但可以了解到销售数据的分布情况，还能够了解到不同地区的销售数据之间相互影响的关系，为厂家后续制定销售策略提供很大的帮助。

本实施例中的上述参数可以根据用户的喜好进行调整。当得到每一个节点和每一个边的可视化结果后，相当于得到了整个市场网络的可视化图形。如图3-图9。显然，当采用可视化图形对市场数据进行显示后，能够给用户提供更直观的市场分布情况，供用户调整后期销售策略等。

实施例3

图10是本实施例提供的执行基于密度聚类与力引导算法的市场网络可视化方法的电子设备的硬件结构示意图，如图10所示，该设备包括：

一个或多个处理器501以及存储器502，图10中以一个处理器501为例。

执行基于密度聚类与力引导算法的市场网络可视化方法的设备还可以包括：输入装置503和输出装置504。

处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图8中以通过总线连接为例。

存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的基于密度聚类与力引导算法的市场网络可视化方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的基于密度聚类与力引导算法的市场网络可视化方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据执行基于密度聚类与力引导算法的市场网络可视化方法的装置的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至执行基于密度聚类与力引导算法的市场网络可视化方法装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置503可接收输入的数字或字符信息，以及产生与执行基于密度聚类与力引导算法的市场网络可视化方法的装置的用户设置以及功能控制有关的键信号输入。输出装置504可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器502中，当被所述一个或者多个处理器501执行时，执行上述任意方法实施例中的基于密度聚类与力引导算法的市场网络可视化方法。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

Claims (2)

1.一种基于密度聚类与力引导算法的市场网络可视化方法，其特征在于，包括：

获取市场数据，并提取所述市场数据中的与买家和卖家相关的时空信息；

根据所述时空信息进行空间聚类，聚类结果中每一个类作为市场网络中的一个节点；对所述时空信息进行基于密度的空间聚类；

根据所述聚类结果建立市场网络模型，生成不同节点间的边；

根据市场网络中的每一个节点及每一条边得到市场网络的可视化图形；

其中，所述基于密度的空间聚类是通过K-DBSCAN算法或DBSCAN算法或PDBSCAN算法对所述时空信息进行基于密度的空间聚类；

所述聚类结果建立市场网络模型，生成不同节点间的边中：

根据力引导算法建立自组织市场网络模型，用于自动生成市场网络中不同节点之间的边；

所述获取市场数据，并提取所述市场数据中的与买家和卖家相关的时空信息，具体包括：

按照预设格式获取市场数据库中的买家与卖家数据，所述买家与卖家数据至少包括用户ID、手机号、产品类型、销量、价格、利润、地址、GPS定位信息、交易时间；

删除所述买家与卖家数据中不符合预设要求的数据，得到清洗后数据表；

将所述清洗后数据表中的地址解析为经纬度坐标，并对用户时空信息进行聚合，选取最准确的经纬度坐标值；

所述根据所述聚类结果建立市场网络模型，生成不同节点间的边，具体包括：

根据市场分析需求确定销售综合评价指标，根据每个节点中所有N个数据点的所述综合评价指标分数c_i，得到市场网络中每个节点的综合评价分数

；

根据每个节点中所有N个数据点的经度坐标ln和纬度坐标la，计算每个节点的中心点位置；

根据每个节点的中心点位置和每个节点的综合评价分数获取不同节点之间市场销售引力的关系，分别为每一对节点计算两者之间销售引力，所述销售引力用于表示两个节点之间的正相关销售关系；

根据每个节点中所有N个数据点的经度坐标ln和纬度坐标la及每个节点的综合评价分数获取市场销售引力阈值TF；

若一对节点的销售引力大于所述引力阈值，则该对节点之间存在边；

重复以上步骤，得到所述市场网络中的所有的边；

所述根据每个节点中所有N个数据点的经度坐标ln和纬度坐标la，计算每个节点的中心点位置，具体包括：

中心点经度坐标

中心点纬度坐标

；

其中ln_i和la_i分别表示第i个数据点的经度坐标和纬度坐标；

所述根据每个节点的中心点位置和每个节点的综合评价分数获取不同节点之间市场销售引力的关系，分别为每一对节点计算两者之间销售引力，所述销售引力用于表示两个节点之间的正相关销售关系，具体包括：

对于任意节点a和节点b，计算节点a与节点b之间的空间距离：

；其中lN_a和lA_a分别表示节点a的经度坐标和纬度坐标，lN_b和lA_b分别表示节点b的经度坐标和纬度坐标；

节点a与节点b之间的销售引力为：

，其中K为常数，Ca表示节点a的综合评价分数，Cb表示节点b的综合评价分数；

所述根据每个节点中所有N个数据点的经度坐标ln和纬度坐标la及每个节点的综合评价分数获取市场销售引力阈值TF，具体包括：

获取市场网络中所有数据点的最大经度值

、最小经度值

和最大纬度值

、最小纬度值

；并得到市场网络中的最大距离

：

；

获取市场网络中所有M个节点的总计综合评价分数

，计算公式为：

；

获取市场销售引力阈值：

，其中

为力引导系数，其为大于0的常数。

2.根据权利要求1所述的基于密度聚类与力引导算法的市场网络可视化方法，其特征在于，重复以上步骤，得到所述市场网络中的所有的边之后还包括如下步骤：

通过改变力引导系数

的值调整所述市场销售引力阈值TF，进一步调整市场网络中边 的数量。

Images