CN111209328A - 自动确定待展示的输入数据需使用的图表属性的方法、装置、客户端及服务器 - Google Patents
自动确定待展示的输入数据需使用的图表属性的方法、装置、客户端及服务器 Download PDFInfo
- Publication number
- CN111209328A CN111209328A CN201811395672.1A CN201811395672A CN111209328A CN 111209328 A CN111209328 A CN 111209328A CN 201811395672 A CN201811395672 A CN 201811395672A CN 111209328 A CN111209328 A CN 111209328A
- Authority
- CN
- China
- Prior art keywords
- chart
- input data
- attribute
- attributes
- automatically determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007405 data analysis Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 238000012800 visualization Methods 0.000 description 7
- 238000013079 data visualisation Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 238000009517 secondary packaging Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了自动确定待展示的输入数据需使用的图表属性的方法、装置、客户端及服务器。所公开的方法包括：获取待展示的输入数据的属性；使用用于关联输入数据属性和图表属性的自动关联模型、基于待展示的输入数据的属性、自动确定需使用的图表属性，其中，输入数据属性包括下列中的至少一种：输入数据的维度、各维度数据所对应的数据字段的属性，图表属性包括下列中的至少一种：图表所在的图表库的名称、图表类型或名称。所公开的技术方案，能够根据待展示的输入数据的属性，自动确定需使用的图表属性，无需人工选择操作。
Description
技术领域
本发明涉及大数据智能分析、处理及可视化领域，尤其涉及自动确定待展示的输入数据需使用的图表属性的方法、装置、客户端及服务器。
背景技术
数据可视化是各个专业领域都会涉及到的、用于直观地展示数据信息的一项重要的技术手段。随着大数据技术的不断发展，每时每刻都会产生海量的数据信息，人们需要及时地对这些海量数据进行分析、处理及可视化展示(即，需要消费这些数据)。因此，如何更加便捷、智能化且尽量减少人工干预地把这些海量数据展现出来也成为了一个重要课题。
然而，数据分析、处理及可视化展示领域也有它的专业门槛，经常需要专业的数据分析师来做数据分析，再由设计师确定数据的表现形式，最后交给研发人员来实现。对于普通企业或者普通用户而言，往往也只能使用具有上述专业技术人员的企业或具有上述专业技术能力的个人所开发好的一体化的数据分析、处理及可视化方案。
以可视化展示领域为例，互联网上目前使用的各种数据可视化方案的核心都涉及到终端的渲染、图表的多样性、性能等问题。例如，现有技术方案包括Highcharts、D3、Echarts等，它们都是很好的数据可视化实现方案。
然而，这些现有的可视化技术方案都没有自动将待展示的输入数据与适当图表(其中包括自定义图表)进行自动匹配的功能。相反，这些现有的可视化技术方案往往只对图表类型做一些简要的文字说明，最终还是需要专业技术人员通过人工方式来实现数据可视化。另外，在当前的海量数据时代，经常存在数据类型较多、较复杂的情况，专业技术人员仅仅基于简要文字说明所选择的图表类型，很可能不能准确地表达数据的意义，因此，需要反复设计和多次匹配，浪费了大量的人力。
因此，现有技术方案存在以下问题：
1、由于数据是不断变化的，在提出新的数据分析、处理及可视化展示需求时，需要专业技术人员的反复工作，耗费大量的人力。
2、普通企业或者普通用户无法实现自己的数据分析、处理及可视化展示需求。
为了解决上述问题，需要提出新的技术方案。
发明内容
根据本发明的自动确定待展示的输入数据需使用的图表属性的方法，包括：
获取待展示的输入数据的属性；
使用用于关联输入数据属性和图表属性的自动关联模型、基于待展示的输入数据的属性、自动确定需使用的图表属性，
其中，输入数据属性包括下列中的至少一种：输入数据的维度、各维度数据所对应的数据字段的属性，图表属性包括下列中的至少一种：图表所在的图表库的名称、图表类型或名称。
根据本发明的自动确定所使用的图表属性的方法，还包括：
获取已经存在的图表的属性、已经存在的图表所对应的输入数据的属性，作为参考图表属性和参考输入数据属性；
基于参考输入数据属性和参考图表属性，构建自动关联模型。
根据本发明的自动确定所使用的图表属性的方法，还包括：
获取待展示的输入数据，使用具有需使用的图表属性的图表，来展示待展示的输入数据。
根据本发明的自动确定所使用的图表属性的方法，其自动关联模型是自动分类器，该方法还包括：
通过专家的人工调整来调整自动分类器中的分类结果；和/或
对经专家人工调整后所得到的分类结果和自动分类器的原始分类结果进行加权求和之后再进行最终判决，从而得到最终的分类结果，
其中，人工调整可以将自动分类器的一个指定分类结果细分为更小的类别，和/或，可以将自动分类器的多个指定分类结果组合为一个更大的类别、以扩大匹配范围，经专家人工调整后所得到的分类结果所对应的权重值大于原始分类结果所对应的权重值。
根据本发明的自动确定待展示的输入数据需使用的图表属性的装置，包括：
第一输入数据属性获取模块，用于获取待展示的输入数据的属性；
自动关联模块，用于提供用于关联输入数据属性和图表属性的自动关联模型；
图表属性自动确定模块，用于使用自动关联模型、基于待展示的输入数据的属性、自动确定需使用的图表属性，
其中，输入数据属性包括下列中的至少一种：输入数据的维度、各维度数据所对应的数据字段的属性，图表属性包括下列中的至少一种：图表所在的图表库的名称、图表类型或名称。
根据本发明的自动确定所使用的图表属性的装置，还包括：
第二输入数据属性获取模块，用于获取已经存在的图表的属性、已经存在的图表所对应的输入数据的属性，作为参考图表属性和参考输入数据属性；
自动关联模型构建模块，用于基于参考输入数据属性和参考图表属性，构建自动关联模型。
根据本发明的自动确定所使用的图表属性的装置，还包括：
展示模块，用于获取待展示的输入数据，使用具有需使用的图表属性的图表，来展示待展示的输入数据。
根据本发明的自动确定所使用的图表属性的装置，其自动关联模型是自动分类器，该装置还包括：
专家调整模块，用于通过专家的人工调整来调整自动分类器中的分类结果，和/或，对经专家人工调整后所得到的分类结果和自动分类器的原始分类结果进行加权求和之后再进行最终判决，从而得到最终的分类结果，
其中，人工调整可以将自动分类器的一个指定分类结果细分为更小的类别，和/或，可以将自动分类器的多个指定分类结果组合为一个更大的类别、以扩大匹配范围，经专家人工调整后所得到的分类结果所对应的权重值大于原始分类结果所对应的权重值。
根据本发明的自动确定待展示的输入数据需使用的图表属性的客户端，包括：
如上文所述的自动确定所使用的图表属性的装置。
根据本发明的自动确定待展示的输入数据需使用的图表属性的服务器，包括：
如上文所述的自动确定所使用的图表属性的装置。
根据本发明的上述技术方案，能够根据待展示的输入数据的属性，自动确定需使用的图表属性，无需人工选择操作。
附图说明
并入到说明书中并且构成说明书的一部分的附图示出了本发明的实施例，并且与相关的文字描述一起用于解释本发明的原理。在这些附图中，类似的附图标记用于表示类似的要素。下面描述中的附图是本发明的一些实施例，而不是全部实施例。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，可以根据这些附图获得其他的附图。
图1示例性地示出了根据本发明的自动确定待展示的输入数据需使用的图表属性的方法的示意流程图。
图2示例性地示出了所采集的一个图表实例的示意图。
图3示例性地示出了根据本发明的自动确定待展示的输入数据需使用的图表属性的装置的示意框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
图1示例性地示出了根据本发明的自动确定待展示的输入数据需使用的图表属性的方法的示意流程图。
如图1的实线框所示，根据本发明的自动确定待展示的输入数据需使用的图表属性的方法，包括：
步骤S102：获取待展示的输入数据的属性；
步骤S104：使用用于关联输入数据属性和图表属性的自动关联模型、基于待展示的输入数据的属性、自动确定需使用的图表属性，
其中，输入数据属性包括下列中的至少一种：输入数据的维度、各维度数据所对应的数据字段的属性，图表属性包括下列中的至少一种：图表所在的图表库的名称、图表类型或名称。
例如，图表库的名称可以是Highcharts图表库、D3图表库、Echarts图表库等。
可选地，如图1的虚线框所示，根据本发明的自动确定所使用的图表属性的方法，还包括：
步骤S106：获取已经存在的图表的属性、已经存在的图表所对应的输入数据的属性，作为参考图表属性和参考输入数据属性；
步骤S108：基于参考输入数据属性和参考图表属性，构建自动关联模型。
例如，对应于上述步骤S106，可以执行以下具体操作：
(异步)采集每个图表实例中的数据源字段名、字段名信息、图表的标题和各维度的描述信息等(即，上述参考输入数据属性和参考图表属性)。
图2示例性地示出了所采集的一个图表实例的示意图。
如图2所示，该图表实例是2015年(图2中峰值较低的曲线)和2016年(图2中峰值较高的曲线)的年度降水量的曲线图。
以2015年为例，所采集到的参考输入数据属性和参考图表属性包括：
图表的X轴——对应数据字段名date：
日期数据data1：["2015-1","2015-2","2015-3","2015-4","2015-5","2015-6","2015-7","2015-8","2015-9","2015-10","2015-11","2015-12"]
图表的Y轴——对应数据字段名precipitation：
降水量数据data2：[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]
图表使用的曲线类型——line
所采集到的参考输入数据属性和参考图表属性可以简单表示为：
[date,precipitation，opts]＝>line
其中，date表示第一维度的数据字段，precipitation表示第二维度的数据字段，opts表示传入的图表配置信息(例如，图表库的名称)，line是最终选择的图表。date和precipitation参考输入数据属性，opts和line为参考图表属性。
例如，(异步)采集图表实例的相关信息的步骤可以包括：
对原始图表库中的图表进行二次封装，二次封装不改变原始图表库的原有功能，只增加(异步)采集功能，不影响原始图表库的正常使用。
当使用二次封装后的图表库时，由于新增的采集功能类似于用户的埋点设置功能，因此可以自动采集到各种类型的(例如，二维或三维)图表(即，参考图表属性)在各个场景下的使用情况，从而可以采集诸如数据源字段名等字段属性信息、字段间的关联关系等(即，参考输入数据属性)。
可选地，如图1的虚线框所示，根据本发明的自动确定所使用的图表属性的方法，还包括：
步骤S110：获取待展示的输入数据，使用具有需使用的图表属性的图表，来展示待展示的输入数据。
可选地，如图1的虚线框所示，根据本发明的自动确定所使用的图表属性的方法，其中的自动关联模型是自动分类器，该方法还包括：
步骤S112：通过专家的人工调整来调整自动分类器中的分类结果；和/或
步骤S114：对经专家人工调整后所得到的分类结果和自动分类器的原始分类结果进行加权求和之后再进行最终判决，从而得到最终的分类结果，
其中，人工调整可以将自动分类器的一个指定分类结果细分为更小的类别，和/或，可以将自动分类器的多个指定分类结果组合为一个更大的类别、以扩大匹配范围，经专家人工调整后所得到的分类结果所对应的权重值大于原始分类结果所对应的权重值。
此时，对应于上述步骤S108，例如，可以执行以下具体操作：
可以在对所采集到的上述图表实例的相关信息进行过滤、去重、格式化之后，再进行自动分类，从而构建自动分类器(即，关系模型)。例如，自动分类器可以自动将使用了相同参考图表属性的图表的参考输入数据的属性划分为同一类，从而建立参考输入数据属性和参考图表属性之间的映射关系。
然而，考虑到自动分类的结果可能不够准确。因此，还可以让数据专家介入，基于所采集到的相关图表实例中的具体字段信息和所使用的具体图表信息，对自动分类器的上述分类结果进行手动干预，从而改变某种指定参考输入数据属性所对应的参考图表属性。
例如，如果自动分类器将日期-降水量数据的图表属性自动映射为了折线。专家可以进行干预，针对第一维度(即，日期)的信息进行调整，例如，当日期单位为天时，可以将图表属性调整为曲线，或者，当日期单位为月份时，可以将图表属性调整为柱状图，从而使得图表展现更加清晰直观。
专家干预使数据和图表的展现更加直观，使自动分类器的分类效果更好。
可选地，专家干预包括以下具体步骤：
通过专家对自动分类器的人工干预，会逐渐形成适用于特定领域或者适用于特定业务场景的自动分类器(即，关系模型、匹配模型)。专家干预可以使用更多模糊匹配的字段(例如，包括原先被自动过滤掉的一些字段)，优化了自动分类器的分类结果。
可选地，专家干预可以让数据和图表建立一一映射关系。
可选地，专家干预可以将自动分类器的一个指定分类结果细分为更小的类别，和/或，可以将自动分类器的多个指定分类结果组合为一个更大的类别，从而扩大匹配范围。
例如，可以将降雨量、台风次数、风力等级、雾的可见度等小类的数据类型都归类到天气数据这一大类的数据类型中，映射为同一种图表属性和/或同一种图表类型(例如，折线图)。
例如，也可以将天气数据这一大类的数据类型拆解为降雨量、台风次数、风力等级、雾的可见度等多个小类的数据类型，分别映射为各自对应的多种不同的图表属性和/或多种不同的图表类型(例如，折线图、直方图、饼图等)。
图3示例性地示出了根据本发明的自动确定待展示的输入数据需使用的图表属性的装置300的示意框图。
如图3的实线框所示，根据本发明的自动确定待展示的输入数据需使用的图表属性的装置300，包括：
第一输入数据属性获取模块301，用于获取待展示的输入数据的属性；
自动关联模块303，用于提供用于关联输入数据属性和图表属性的自动关联模型；
图表属性自动确定模块305，用于使用自动关联模型、基于待展示的输入数据的属性、自动确定需使用的图表属性，
其中，输入数据属性包括下列中的至少一种：输入数据的维度、各维度数据所对应的数据字段的属性，图表属性包括下列中的至少一种：图表所在的图表库的名称、图表类型或名称。
可选地，如图3的虚线框所示，自动确定所使用的图表属性的装置300还包括：
第二输入数据属性获取模块307，用于获取已经存在的图表的属性、已经存在的图表所对应的输入数据的属性，作为参考图表属性和参考输入数据属性；
自动关联模型构建模块309，用于基于参考输入数据属性和参考图表属性，构建自动关联模型。
可选地，如图3的虚线框所示，自动确定所使用的图表属性的装置300还包括：
展示模块311，用于获取待展示的输入数据，使用具有需使用的图表属性的图表，来展示待展示的输入数据。
可选地，如图3的虚线框所示，自动确定所使用的图表属性的装置300中的自动关联模型是自动分类器，装置300还包括：
专家调整模块313，用于通过专家的人工调整来调整自动分类器中的分类结果，和/或，对经专家人工调整后所得到的分类结果和自动分类器的原始分类结果进行加权求和之后再进行最终判决，从而得到最终的分类结果，
其中，人工调整可以将自动分类器的一个指定分类结果细分为更小的类别，和/或，可以将自动分类器的多个指定分类结果组合为一个更大的类别、以扩大匹配范围，经专家人工调整后所得到的分类结果所对应的权重值大于所述原始分类结果所对应的权重值。
基于根据本发明的上述技术方案，还公开了一种自动确定待展示的输入数据需使用的图表属性的客户端，包括：
如上文所述的自动确定所使用的图表属性的装置300。
基于根据本发明的上述技术方案，还公开了一种自动确定待展示的输入数据需使用的图表属性的服务器，包括：
如上文所述的自动确定所使用的图表属性的装置300。
即，如果需要自动确定图表属性(以及展示图表)的话，可以通过上述两种方式来实现：
1、通过在服务端(即，服务器)设置自动关联模型，能够在服务端直接根据字段信息来自动关联图表属性。
2、通过在客户端设置自动关联模型，只有在所请求的数据到达之后才能够自动关联图表属性。
根据本发明的上述技术方案，具有以下优点：
1、无需专业技术人员的大量人工参与，仅需要专家的少量人工干预，节省了人力。
2、能够满足普通企业或者普通用户自身的数据分析、处理及可视化展示需求。
3、能够自动有效地结合海量数据和具体的数据展现形式(即，有效地匹配待展示数据和图表类型)。即，在大数据场景下，能够针对数据类型、字段信息、字段间的关系，自动生成可视化图表，无需开发者手动指定。即，能够实现图表类型自动推荐输出，让数据更好地通过大数据分析得到最优的可视化表现方式。
4、能够结合专家的人工干预，更有效地实现大数据的智能可视化(即，更有效地匹配待展示数据和图表类型)。
5、通过二次封装操作，只增加(异步)采集功能，不影响原始图表库的正常使用，升级方便。即，在原有数据可视化实现方案的基础上，增加了数据收集和归类功能，对原有数据可视化实现方案无侵入。
6、可以在服务端实现根据字段信息来自动关联图表属性，可以在服务端实现自动图表展示。
7、可以自动构建自动关联模型，可以对自动关联模型进行持续更新和修订。基于自动关联模型和待展示数据的属性就能自动确定所使用的图表类型。
8、上述技术方案不仅适用于可视化展示，也适用于后续大数据分析。例如，可以结合上述技术方案进一步对数据结构进行挖掘，还可以二次消费数据和分析的结果。
上面描述的内容可以单独地或者以各种方式组合起来实施，而这些变型方式都在本发明的保护范围之内。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例的技术方案的精神和范围。
Claims (10)
1.一种自动确定待展示的输入数据需使用的图表属性的方法，其特征在于，包括：
获取待展示的输入数据的属性；
使用用于关联输入数据属性和图表属性的自动关联模型、基于所述待展示的输入数据的属性、自动确定需使用的图表属性，
其中，所述输入数据属性包括下列中的至少一种：输入数据的维度、各维度数据所对应的数据字段的属性，所述图表属性包括下列中的至少一种：图表所在的图表库的名称、图表类型或名称。
2.如权利要求1所述的自动确定所使用的图表属性的方法，其特征在于，还包括：
获取已经存在的图表的属性、所述已经存在的图表所对应的输入数据的属性，作为参考图表属性和参考输入数据属性；
基于所述参考输入数据属性和所述参考图表属性，构建所述自动关联模型。
3.如权利要求1或2所述的自动确定所使用的图表属性的方法，其特征在于，还包括：
获取待展示的输入数据，使用具有所述需使用的图表属性的图表，来展示所述待展示的输入数据。
4.如权利要求1或2所述的自动确定所使用的图表属性的方法，其特征在于，所述自动关联模型是自动分类器，所述方法还包括：
通过专家的人工调整来调整所述自动分类器中的分类结果；和/或
对经专家人工调整后所得到的分类结果和所述自动分类器的原始分类结果进行加权求和之后再进行最终判决，从而得到最终的分类结果，
其中，所述人工调整可以将所述自动分类器的一个指定分类结果细分为更小的类别，和/或，可以将所述自动分类器的多个指定分类结果组合为一个更大的类别、以扩大匹配范围，所述经专家人工调整后所得到的分类结果所对应的权重值大于所述原始分类结果所对应的权重值。
5.一种自动确定待展示的输入数据需使用的图表属性的装置，其特征在于，包括：
第一输入数据属性获取模块，用于获取待展示的输入数据的属性；
自动关联模块，用于提供用于关联输入数据属性和图表属性的自动关联模型；
图表属性自动确定模块，用于使用所述自动关联模型、基于所述待展示的输入数据的属性、自动确定需使用的图表属性，
其中，所述输入数据属性包括下列中的至少一种：输入数据的维度、各维度数据所对应的数据字段的属性，所述图表属性包括下列中的至少一种：图表所在的图表库的名称、图表类型或名称。
6.如权利要求5所述的自动确定所使用的图表属性的装置，其特征在于，还包括：
第二输入数据属性获取模块，用于获取已经存在的图表的属性、所述已经存在的图表所对应的输入数据的属性，作为参考图表属性和参考输入数据属性；
自动关联模型构建模块，用于基于所述参考输入数据属性和所述参考图表属性，构建所述自动关联模型。
7.如权利要求5或6所述的自动确定所使用的图表属性的装置，其特征在于，还包括：
展示模块，用于获取待展示的输入数据，使用具有所述需使用的图表属性的图表，来展示所述待展示的输入数据。
8.如权利要求5或6所述的自动确定所使用的图表属性的装置，其特征在于，所述自动关联模型是自动分类器，所述装置还包括：
专家调整模块，用于通过专家的人工调整来调整所述自动分类器中的分类结果，和/或，对经专家人工调整后所得到的分类结果和所述自动分类器的原始分类结果进行加权求和之后再进行最终判决，从而得到最终的分类结果，
其中，所述人工调整可以将所述自动分类器的一个指定分类结果细分为更小的类别，和/或，可以将所述自动分类器的多个指定分类结果组合为一个更大的类别、以扩大匹配范围，所述经专家人工调整后所得到的分类结果所对应的权重值大于所述原始分类结果所对应的权重值。
9.一种自动确定待展示的输入数据需使用的图表属性的客户端，其特征在于，包括：
如权利要求5-8中的任一项所述的自动确定所使用的图表属性的装置。
10.一种自动确定待展示的输入数据需使用的图表属性的服务器，其特征在于，包括：
如权利要求5-8中的任一项所述的自动确定所使用的图表属性的装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811395672.1A CN111209328A (zh) | 2018-11-22 | 2018-11-22 | 自动确定待展示的输入数据需使用的图表属性的方法、装置、客户端及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811395672.1A CN111209328A (zh) | 2018-11-22 | 2018-11-22 | 自动确定待展示的输入数据需使用的图表属性的方法、装置、客户端及服务器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111209328A true CN111209328A (zh) | 2020-05-29 |
Family
ID=70785766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811395672.1A Pending CN111209328A (zh) | 2018-11-22 | 2018-11-22 | 自动确定待展示的输入数据需使用的图表属性的方法、装置、客户端及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111209328A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112130939A (zh) * | 2020-08-10 | 2020-12-25 | 深圳市麦谷科技有限公司 | 一种页面显示方法、装置、终端设备和存储介质 |
| CN113807066A (zh) * | 2021-09-16 | 2021-12-17 | 东软集团股份有限公司 | 一种图表生成方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295635A (zh) * | 2016-02-17 | 2017-01-04 | 北京智芯原动科技有限公司 | 车牌识别方法及系统 |
| CN106484667A (zh) * | 2016-10-13 | 2017-03-08 | 广州视源电子科技股份有限公司 | 展示数据的方法及装置 |
| CN107357881A (zh) * | 2017-07-07 | 2017-11-17 | 四川大学 | 一种基于新闻数据的中文文本分类系统 |
| US20180096509A1 (en) * | 2016-09-30 | 2018-04-05 | Disney Enterprises, Inc. | Multi-granular rigs for distributed node-based interactive workflows |
| CN108153894A (zh) * | 2017-12-29 | 2018-06-12 | 上海跬智信息技术有限公司 | 一种olap数据模型自动建模的方法、分类器 |
-
2018
- 2018-11-22 CN CN201811395672.1A patent/CN111209328A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295635A (zh) * | 2016-02-17 | 2017-01-04 | 北京智芯原动科技有限公司 | 车牌识别方法及系统 |
| US20180096509A1 (en) * | 2016-09-30 | 2018-04-05 | Disney Enterprises, Inc. | Multi-granular rigs for distributed node-based interactive workflows |
| CN106484667A (zh) * | 2016-10-13 | 2017-03-08 | 广州视源电子科技股份有限公司 | 展示数据的方法及装置 |
| CN107357881A (zh) * | 2017-07-07 | 2017-11-17 | 四川大学 | 一种基于新闻数据的中文文本分类系统 |
| CN108153894A (zh) * | 2017-12-29 | 2018-06-12 | 上海跬智信息技术有限公司 | 一种olap数据模型自动建模的方法、分类器 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112130939A (zh) * | 2020-08-10 | 2020-12-25 | 深圳市麦谷科技有限公司 | 一种页面显示方法、装置、终端设备和存储介质 |
| CN113807066A (zh) * | 2021-09-16 | 2021-12-17 | 东软集团股份有限公司 | 一种图表生成方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8983936B2 (en) | Incremental visualization for structured data in an enterprise-level data store | |
| US9996537B2 (en) | Systems and methods for automatic narrative creation | |
| US20190102655A1 (en) | Training data acquisition method and device, server and storage medium | |
| US8392354B2 (en) | Probabilistic voxel-based database | |
| Liu et al. | Scale computation on high spatial resolution remotely sensed imagery multi-scale segmentation | |
| Pingel et al. | Bonemapping: A LiDAR processing and visualization technique in support of archaeology under the canopy | |
| CN111127105A (zh) | 用户分层模型构建方法及系统、运营分析方法及系统 | |
| US10990807B2 (en) | Selecting representative recent digital portraits as cover images | |
| CN113160395B (zh) | 一种基于cim的城市多维信息交互及场景生成的方法、装置及介质 | |
| CN111144950B (zh) | 模型筛选方法、装置、电子设备及存储介质 | |
| CN109582859B (zh) | 保险推送方法、装置、计算机设备及存储介质 | |
| Su et al. | A new hierarchical moving curve-fitting algorithm for filtering lidar data for automatic DTM generation | |
| CN111209328A (zh) | 自动确定待展示的输入数据需使用的图表属性的方法、装置、客户端及服务器 | |
| CN109840559A (zh) | 图像筛选方法、装置以及电子设备 | |
| CN111582518A (zh) | 电力巡检报告自动生成方法、装置及终端设备 | |
| CN111143689A (zh) | 根据用户需求和用户画像构建推荐引擎的方法 | |
| CN107507255B (zh) | 图片压缩质量因子获取方法、系统、设备及存储介质 | |
| CN111683280A (zh) | 视频处理方法、装置及电子设备 | |
| US20150181288A1 (en) | Video sales and marketing system | |
| CN115643360A (zh) | 可视对讲指挥系统 | |
| CN114820011A (zh) | 用户群体聚类方法、装置、计算机设备和存储介质 | |
| CN103336865A (zh) | 一种动态通信网络构建方法及装置 | |
| CN112508284A (zh) | 展示物料预处理方法、投放方法、系统、装置与设备 | |
| CN114818635A (zh) | 数据报表生成方法、装置、电子设备及存储介质 | |
| WO2020172366A1 (en) | Method and system for image searching and evaluation using tags |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200529 |