CN112256789A - 数据智能可视化分析方法和装置 - Google Patents
数据智能可视化分析方法和装置 Download PDFInfo
- Publication number
- CN112256789A CN112256789A CN202011118603.3A CN202011118603A CN112256789A CN 112256789 A CN112256789 A CN 112256789A CN 202011118603 A CN202011118603 A CN 202011118603A CN 112256789 A CN112256789 A CN 112256789A
- Authority
- CN
- China
- Prior art keywords
- information
- chart
- data
- data set
- analyzed
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000000007 visual effect Effects 0.000 title claims description 39
- 238000007405 data analysis Methods 0.000 title claims description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000010586 diagram Methods 0.000 claims description 35
- 238000004891 communication Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000547 structure data Methods 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 abstract description 17
- 238000011161 development Methods 0.000 abstract description 13
- 238000011156 evaluation Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (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
本发明公开了一种数据智能可视化分析方法和装置，该方法包括：构建图表知识库，图表知识库包含多个图表类型的知识结构信息；获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息；根据数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数；依据匹配质量分数，输出待分析数据集的图表配置。本发明通过构建图表知识库，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数，从而输出待分析数据集的图表配置，数据开发人员可以快速完成待分析数据集的数据可视化分析，降低数据可视化的开发成本，提高数据可视化的开发效率。
Description
技术领域
本发明涉及大数据分析技术领域，具体涉及一种数据智能可视化分析方法和装置。
背景技术
随着现代信息技术的不断发展，数据的产生速度变得越来越快，大量的数据被搜集和存储，这些海量的数据必须通过系统的处理和分析，才能挖掘出其中蕴含的潜在价值。数据可视化已成为大数据时代不可或缺的重要手段和工具，数据可视化借助图形化手段，利用各类图表进行复杂数据的可视化展示，可以清晰有效的传达与沟通信息，让数据的表达更加直观、易于理解，提高了数据沟通的效率。
目前数据可视化的开发主要有两种方式：一是投入大量人力进行定制开发，以获得可视化页面；二是使用商业智能(businessintelligence，BI)软件，通过模板和数据源配置，以生成可视化页面。其中，通过大量人力进行定制开发以获得可视化页面的方式，人力成本较高且效率低，需要多领域专业人士的协同工作才能取得成功；通过BI软件的模板和数据源配置以生成可视化页面的方式，会存在模板的粒度不够细、灵活度低、数据处理能力弱、无法满足设计要求等问题。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种数据智能可视化分析方法和装置。
根据本发明的一个方面，提供了一种数据智能可视化分析方法，包括：
构建图表知识库，所述图表知识库包含多个图表类型的知识结构信息；
获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息；
根据所述数据集中样本的字段信息以及字段间关系信息，计算所述待分析数据集与所述图表知识库中任一图表类型的匹配质量分数；
依据所述匹配质量分数，输出所述待分析数据集的图表配置。
根据本发明的另一方面，提供了一种数据智能可视化分析装置，包括：
构建模块，用于构建图表知识库，所述图表知识库包含多个图表类型的知识结构信息；
信息提取模块，用于获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息；
计算模块，用于根据所述数据集中样本的字段信息以及字段间关系信息，计算所述待分析数据集与所述图表知识库中任一图表类型的匹配质量分数；
输出模块，用于依据所述匹配质量分数，输出所述待分析数据集的图表配置。
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述数据智能可视化分析方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述数据智能可视化分析方法对应的操作。
根据本发明提供的数据智能可视化分析方法和装置，通过构建图表知识库，图表知识库包含多个图表类型的知识结构信息；获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息；根据数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数；依据匹配质量分数，输出待分析数据集的图表配置。本发明首先通过构建图表知识库，然后对待分析数据集进行分析，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数，从而输出待分析数据集的图表配置，因此数据开发人员在不具备数据分析、图形学、可视化、设计学等专业知识的情况下即可快速完成待分析数据集的数据可视化分析，降低数据可视化的开发成本，提高数据可视化的开发效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种数据智能可视化分析方法流程图；
图2示出了本发明实施例提供的依据推荐规则进行图表配置输出的示意图；
图3示出了本发明实施例提供的一种数据智能可视化分析装置的结构示意图；
图4示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明一种数据智能可视化分析方法实施例的流程图，如图1所示，该方法包括以下步骤：
步骤S110：构建图表知识库。
其中，图表知识库包含多个图表类型的知识结构信息。具体地说，图表知识库包含多个图表类型的知识结构信息，其中包括总结的多个图表类型的基本知识和规范，是一个提供数据可视化图表类型的集合，以便依据待分析数据集的分析需求选择合适的图表类型。
在一种可选的方式中，步骤S110进一步包括下述步骤1-步骤2：
步骤1：采集海量图表数据，依据图表数据的数据维度和数据属性进行分类，得到多个图表类型。
具体地说，采集海量图表数据，通过大数据分析海量图表数据的数据维度和数据属性，得到多个图表类型，分析每一个图表类型的图表属性和适用场景，得到多个图表类型的基本知识和规范。
步骤2：针对各个图表类型进行解析得到各个图表类型的知识结构信息。
在一种可选的方式中，步骤2进一步包括：解析各个图表类型的图表结构数据、性质数据以及相似数据，得到各个图表类型的定义信息，定义信息包含图形类别定义信息和图表分类定义信息；解析各个图表类型的分析目的，得到各个图表类型的分析目的信息；解析各个图表类型的坐标数据，得到各个图表类型的坐标系信息；解析各个图表类型的形状数据，得到各个图表类型的形状信息；解析各个图表类型的视觉元素变量数据，得到各个图表类型的视觉通道信息；解析各个图表类型的数据结构必要数据，得到各个图表类型的数据条件信息。
具体地说，图表知识库基于JSON格式针对各个图表类型进行解析得到各个图表类型的知识结构信息，其中，知识结构信息包含以下信息的一种或多种：定义信息、形状信息、坐标系信息、分析目的信息、视觉通道信息、数据条件信息。
各个图表类型的知识结构信息具体包括：
1、图形类别定义信息；解析各个图表类型的图表结构数据和性质数据，将图表类型的图形类别分为几个大类，得到图形类别定义信息，图形类别定义信息的简写属性是category，其形式是一个数组，可选值包括以下信息(1)-信息(4)：
(1)统计图：其中，统计图包括折线图、饼图等用来表示数据的统计或聚合结果的经典图表；
(2)示意图：例如弦图、桑基图等用来描述过程或状态的示意图；
(3)关系图：例如图论概念中的图，由点线关系组成；
(4)地图：例如展示地理信息专用的图表。
2、图表分类定义信息；具体地说，解析各个图表类型之间的相似数据，将概念上、形象上或其他分类角度上接近的图表类型归到一个族类，图表分类定义信息的简写属性是family，其形式是一个数组，可选值包括以下信息(1)-信息(10)：
(1)折线图类：包括单折线、多折线、阶梯折线等；
(2)柱状图类：包括单色柱状图、多色柱状图、分组柱状图、堆叠柱状图等；
(3)条形图类：包括单色条形图、多色条形图、分组条形图、堆叠条形图等；
(4)饼图类：包括饼图、环图等；
(5)面积图类：包括面积图、叠加面截图、堆叠面积图、百分比堆叠面积图等；
(6)散点图类：包括散点图、气泡图等；
(7)漏斗图类：包括漏斗图、对称漏斗图等；
(8)热力图类：包括热力图、不均匀热力图等；
(9)雷达图类：包括单色雷达图、多色雷达图等；
(10)其他分类：包括其他未划分到以上分类的图标。
3、分析目的信息：解析各个图表类型的分析目的，得到各个图表类型的分析目的信息，按照每个图表类型的分析目的进行分类，例如饼图更适合描述占比、折线图更适合描述趋势，分析目的的属性是purpose，其形式是一个数组，可选值包括以下信息(1)-信息(5)：
(1)用于描述对比：包括分组柱状图、分组条形图等；
(2)用于描述分布：包括散点图、气泡图、热力图等；
(3)用于描述排名：包括单色柱状图、单色条形图等；
(4)用于描述占比：包括饼图、环图等；
(5)用于描述成分：包括堆叠柱状图、堆叠条形图、堆叠面积图等。
4、坐标系信息：解析各个图表类型的坐标数据，得到各个图表类型的坐标系信息，由于各个图表通常都是建立在某一种坐标系上的，因此通过坐标系信息也可以对图表类型进行分类，坐标系信息的简写属性是coord，其形式是一个数组，可选值包括以下信息(1)-信息(7)：
(1)数轴：一维坐标系；
(2)二维直角坐标系：也叫笛卡尔坐标系；
(3)对称直角坐标系：在二维直角坐标系的基础上，图形以某一轴为中心向两侧发展；
(4)三维直角坐标系：三维笛卡尔坐标系；
(5)极坐标系：多用于圆形的图形布局；
(6)点线网络：用于关系图；
(7)雷达型坐标系：从一个中心点发散出的等角度多轴坐标系。
5、形状信息：解析各个图表类型的形状数据，得到各个图表类型的形状信息，具体地，可以在界面设计或布局等场景下对各个图表类型进行筛选，形状信息的简写属性是shape，其形式是一个数组，可选值包括以下信息(1)-信息(7)：
(1)线形：多折线、平行坐标等；
(2)条形：柱状图、条形图、甘特图等；
(3)圆形：饼图、雷达图等；
(4)方形：树图、热力图等；
(5)面积形：面积图、连续热力图等；
(6)散点形：散点图、气泡图、词云等；
(7)对称形：漏斗图等。
6、视觉通道信息：解析各个图表类型的视觉元素变量数据，得到各个图表类型的视觉通道信息，具体地，视觉通道信息是用来映射数据的一些视觉元素变量，比如长度、形状、颜色等，其简写属性是channel，其形式是一个数组，可选值包括：位置、长度、颜色、面积、角度、弧长、方向、尺寸等。
7、数据条件信息：解析各个图表类型的数据结构必要数据，得到各个图表类型的数据条件信息，具体地，数据条件信息是指要制作出某个类型的图表，必须提供的数据结构，其简写属性是dataPres，其形式是一个数组，该数组的元素是必须符合以下格式的对象：
{minQty:1,maxQty:1,fieldConditions:['Interval','Nominal']}。
8、在依据上述1-7的图表类型知识结构信息确定了图表类型之后，还需要对图表类型的一些基本信息进行补充，基本信息包括：名称、别名和定义等，其中，名称是指图表类型的官方指定名称，通常以最广为人知的名称来命名；别名是指该图表类型的一些别名，以数组的形式罗列；定义是指对图表类型的定义，用于对该图表类型进行描述。
步骤S120：获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息。
在一种可选的方式中，步骤S120进一步包括：对待分析数据集进行数据格式化处理，得到数据集中样本；提取数据集中样本的字段信息以及字段间关系信息；字段信息包含字段名称、数据类型、统计信息、和/或性质信息。
具体地说，数据格式化处理指的是将原始数据解析为数据集分析可识别的数据集中样本，在本步骤中，对待分析数据集中的数据进行数据格式化处理，得到数据集中样本，进而从数据集中样本中提取出多个字段信息以及字段间关系信息；其中字段信息包括特征信息和性质信息，特征信息包括各个字段信息的字段名称、数据类型和统计信息等信息；性质信息包括与各个字段信息性质相关的信息，例如字段信息的连续性或离散性等信息；字段间关系信息指的是多个字段间的相关性或周期性等信息。
步骤S130：根据数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数。
在一种可选的方式中，该方法还包括步骤：获取待分析数据集的分析需求信息。
在一种可选的方式中，步骤S130进一步包括：根据数据集中样本的字段信息和字段间关系信息以及待分析数据集的分析需求信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数。
步骤S140：依据匹配质量分数，输出待分析数据集的图表配置。
图2为依据推荐规则进行图表配置输出的示意图，如图2所示，具体地说，根据待分析数据集的分析需求，以图2中的“你想展示什么”为基础，依据数据集中样本的字段信息和字段间关系信息，例如通过字段信息中的统计信息，得到待统计数据集的类目(单个分类、少数分类或多种分类)；每个类目的变量数量(2个变量、3个变量或其他变量数量等)等信息，计算待分析数据集与各个图表类型的匹配质量分数，其中，匹配质量分数包括分类数量评估值、数值差异评估值、相关性评估值等，例如，依据待统计数据集的类目计算待分析数据集与各个图表类型的分类数量评估值，依据分类数量评估值得到待分析数据集的静态构成，如依据各个类目占总体比例输出饼图、依据累计或扣减到总体输出瀑布图或者依据构成的成分输出复合堆积百分比柱形图等；同样地，依据数值差异评估值和相关性评估值等输出其他图标类型的图表配置，从而推荐出一个图表配置列表。
在一种可选的方式中，步骤S140进一步包括：预先指定图表容器；依据匹配质量分数由高至低的顺序，得到至少一个待推荐的图表类型，输出待分析数据集的图表类型推荐列表。
在本步骤中，预先指定图表容器，基于待分析数据集的分析需求和数据集中样本的字段信息和字段间关系信息来推荐图表类型和具体的图表类型细节设置，自动生成和渲染图表到该指定图表容器中；依据匹配质量分数由高至低的顺序，得到至少一个待推荐的图表类型，输出待分析数据集的图表类型推荐列表，其中，位于图表类型推荐列表首位的是推荐值最高的图表配置；数据分析人员或数据开发人员也可以手动选择图表配置，增加图表类型推荐的准确度。
采用本实施例的方法，首先通过大数据分析海量图表数据的数据维度、数据属性以及适用场景，得到多个图表类型，形成图表知识库；然后对待分析数据集进行数据分析，提取提取数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中每一个图表类型的匹配质量分数，基于匹配质量分数和待分析数据集的分析需求图表类型推荐列表，并将图表类型推荐列表自动生成和渲染图表到指定的容器中。该方法可以辅助开发人员在不具备数据分析、图形学、可视化、设计学等专业知识的情况下快速完成数据可视化的开发，降低数据可视化的开发成本，提高数据可视化的开发效率。
图3示出了本发明一种数据智能可视化分析装置实施例的结构示意图。如图3所示，该装置包括：构建模块310、信息提取模块320、计算模块330、输出模块340和分析需求获取模块350。
构建模块310，用于构建图表知识库，图表知识库包含多个图表类型的知识结构信息。
在一种可选的方式中，构建模块310进一步用于：采集海量图表数据，依据图表数据的数据维度和数据属性进行分类，得到多个图表类型；
针对各个图表类型进行解析得到各个图表类型的知识结构信息；知识结构信息包含以下信息的一种或多种：定义信息、形状信息、坐标系信息、分析目的信息、视觉通道信息、数据条件信息。
在一种可选的方式中，构建模块310进一步用于：解析各个图表类型的图表结构数据、性质数据以及相似数据，得到各个图表类型的定义信息，定义信息包含图形类别定义信息和图表分类定义信息；
解析各个图表类型的分析目的，得到各个图表类型的分析目的信息；
解析各个图表类型的坐标数据，得到各个图表类型的坐标系信息；
解析各个图表类型的形状数据，得到各个图表类型的形状信息；
解析各个图表类型的视觉元素变量数据，得到各个图表类型的视觉通道信息；
解析各个图表类型的数据结构必要数据，得到各个图表类型的数据条件信息。
信息提取模块320，用于获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息。
在一种可选的方式中，信息提取模块320进一步用于：对待分析数据集进行数据格式化处理，得到数据集中样本；
提取数据集中样本的字段信息以及字段间关系信息；字段信息包含字段名称、数据类型、统计信息、和/或性质信息。
计算模块330，用于根据数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数。
在一种可选的方式中，该装置还包括分析需求获取模块350，用于获取待分析数据集的分析需求信息。
在一种可选的方式中，计算模块330进一步用于：根据数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数具体为：根据数据集中样本的字段信息和字段间关系信息以及待分析数据集的分析需求信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数。
输出模块340，用于依据匹配质量分数，输出待分析数据集的图表配置。
在一种可选的方式中，输出模块340进一步用于：预先指定图表容器；依据匹配质量分数由高至低的顺序，得到至少一个待推荐的图表类型，输出待分析数据集的图表类型推荐列表。
采用本实施例的装置，首先通过大数据分析海量图表数据的数据维度、数据属性以及适用场景，得到多个图表类型，形成图表知识库；然后对待分析数据集进行数据分析，提取提取数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中每一个图表类型的匹配质量分数，基于匹配质量分数和待分析数据集的分析需求图表类型推荐列表，并将图表类型推荐列表自动生成和渲染图表到指定的容器中。该装置可以辅助开发人员在不具备数据分析、图形学、可视化、设计学等专业知识的情况下快速完成数据可视化的开发，降低数据可视化的开发成本，提高数据可视化的开发效率。
本发明实施例提供了一种非易失性计算机存储介质，计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的数据智能可视化分析方法。
可执行指令具体可以用于使得处理器执行以下操作：
构建图表知识库，图表知识库包含多个图表类型的知识结构信息；
获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息；
根据数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数；
依据匹配质量分数，输出待分析数据集的图表配置。
图4示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示，该计算设备可以包括：
处理器(processor)、通信接口(Communications Interface)、存储器(memory)、以及通信总线。
其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口，用于与其它设备比如客户端或其它服务器等的网元通信。处理器，用于执行程序，具体可以执行上述数据智能可视化分析方法实施例中的相关步骤。
具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU，或者是特定集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器，用于存放程序。存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序具体可以用于使得处理器执行以下操作：
构建图表知识库，图表知识库包含多个图表类型的知识结构信息；
获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息；
根据数据集中样本的字段信息以及字段间关系信息，计算待分析数据集与图表知识库中任一图表类型的匹配质量分数；
依据匹配质量分数，输出待分析数据集的图表配置。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
Claims (10)
1.一种数据智能可视化分析方法，其特征在于，包括：
构建图表知识库，所述图表知识库包含多个图表类型的知识结构信息；
获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息；
根据所述数据集中样本的字段信息以及字段间关系信息，计算所述待分析数据集与所述图表知识库中任一图表类型的匹配质量分数；
依据所述匹配质量分数，输出所述待分析数据集的图表配置。
2.根据权利要求1所述的方法，其特征在于，所述构建图表知识库进一步包括：
采集海量图表数据，依据图表数据的数据维度和数据属性进行分类，得到多个图表类型；
针对各个图表类型进行解析得到各个图表类型的知识结构信息；所述知识结构信息包含以下信息的一种或多种：定义信息、形状信息、坐标系信息、分析目的信息、视觉通道信息、数据条件信息。
3.根据权利要求2所述的方法，其特征在于，所述针对各个图表类型进行解析得到各个图表类型的知识结构信息进一步包括：
解析各个图表类型的图表结构数据、性质数据以及相似数据，得到各个图表类型的定义信息，所述定义信息包含图形类别定义信息和图表分类定义信息；
解析各个图表类型的分析目的，得到各个图表类型的分析目的信息；
解析各个图表类型的坐标数据，得到各个图表类型的坐标系信息；
解析各个图表类型的形状数据，得到各个图表类型的形状信息；
解析各个图表类型的视觉元素变量数据，得到各个图表类型的视觉通道信息；
解析各个图表类型的数据结构必要数据，得到各个图表类型的数据条件信息。
4.根据权利要求1所述的方法，其特征在于，所述获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息进一步包括：
对所述待分析数据集进行数据格式化处理，得到数据集中样本；
提取数据集中样本的字段信息以及字段间关系信息；所述字段信息包含字段名称、数据类型、统计信息、和/或性质信息。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取待分析数据集的分析需求信息；
所述根据所述数据集中样本的字段信息以及字段间关系信息，计算所述待分析数据集与所述图表知识库中任一图表类型的匹配质量分数具体为：根据所述数据集中样本的字段信息和字段间关系信息以及待分析数据集的分析需求信息，计算所述待分析数据集与所述图表知识库中任一图表类型的匹配质量分数。
6.根据权利要求1所述的方法，其特征在于，所述依据所述匹配质量分数，输出所述待分析数据集的图表配置进一步包括：
预先指定图表容器；
依据匹配质量分数由高至低的顺序，得到至少一个待推荐的图表类型，输出所述待分析数据集的图表类型推荐列表。
7.一种数据智能可视化分析装置，其特征在于，包括：
构建模块，用于构建图表知识库，所述图表知识库包含多个图表类型的知识结构信息；
信息提取模块，用于获取待分析数据集，提取数据集中样本的字段信息以及字段间关系信息；
计算模块，用于根据所述数据集中样本的字段信息以及字段间关系信息，计算所述待分析数据集与所述图表知识库中任一图表类型的匹配质量分数；
输出模块，用于依据所述匹配质量分数，输出所述待分析数据集的图表配置。
8.根据权利要求7所述的装置，其特征在于，所述构建模块进一步用于：
采集海量图表数据，依据图表数据的数据维度和数据属性进行分类，得到多个图表类型；
针对各个图表类型进行解析得到各个图表类型的知识结构信息；所述知识结构信息包含以下信息的一种或多种：定义信息、形状信息、坐标系信息、分析目的信息、视觉通道信息、数据条件信息。
9.一种计算设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的数据智能可视化分析方法对应的操作。
10.一种计算机存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-6中任一项所述的数据智能可视化分析方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011118603.3A CN112256789B (zh) | 2020-10-19 | 2020-10-19 | 数据智能可视化分析方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011118603.3A CN112256789B (zh) | 2020-10-19 | 2020-10-19 | 数据智能可视化分析方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112256789A true CN112256789A (zh) | 2021-01-22 |
| CN112256789B CN112256789B (zh) | 2022-06-17 |
Family
ID=74244898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011118603.3A Active CN112256789B (zh) | 2020-10-19 | 2020-10-19 | 数据智能可视化分析方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112256789B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112882786A (zh) * | 2021-02-18 | 2021-06-01 | 北京明略昭辉科技有限公司 | 用于辅助推荐图表类型的方法、装置、电子设备及存储介质 |
| CN113094424A (zh) * | 2021-04-09 | 2021-07-09 | 北京元年科技股份有限公司 | 通过构建多级指标体系进行图表模式识别的方法和系统 |
| CN113468354A (zh) * | 2021-07-23 | 2021-10-01 | 建信金融科技有限责任公司 | 推荐图表的方法、装置、电子设备及计算机可读介质 |
| CN114612586A (zh) * | 2022-05-10 | 2022-06-10 | 杭州比智科技有限公司 | 一种基于数据可视化场景下的颜色分等级渲染方法及系统 |
| CN114860737A (zh) * | 2022-06-28 | 2022-08-05 | 北京世纪好未来教育科技有限公司 | 教研数据的处理方法、装置、设备及介质 |
| US20220334709A1 (en) * | 2021-04-14 | 2022-10-20 | DataChat.ai | User interface for data analytics systems |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170212941A1 (en) * | 2016-01-25 | 2017-07-27 | International Business Machines Corporation | System and method for visualizing data |
| CN107180117A (zh) * | 2017-06-30 | 2017-09-19 | 东软集团股份有限公司 | 图表推荐方法、装置和计算机设备 |
| CN107643888A (zh) * | 2016-07-20 | 2018-01-30 | 北京京东尚科信息技术有限公司 | 图表分析的方法和装置 |
| CN110046185A (zh) * | 2019-04-12 | 2019-07-23 | 成都四方伟业软件股份有限公司 | 图表推送方法及装置 |
| CN110377659A (zh) * | 2019-07-25 | 2019-10-25 | 南京数睿数据科技有限公司 | 一种智能图表推荐系统及方法 |
| CN110489449A (zh) * | 2019-07-30 | 2019-11-22 | 北京百分点信息科技有限公司 | 一种图表推荐方法、装置和电子设备 |
| CN110909017A (zh) * | 2019-11-11 | 2020-03-24 | 苏宁金融科技(南京)有限公司 | 数据分析方法和系统 |
| CN111324659A (zh) * | 2020-02-27 | 2020-06-23 | 西安交通大学 | 一种针对时序医疗数据的可视化推荐方法及系统 |
| CN111414404A (zh) * | 2020-03-20 | 2020-07-14 | 北京东方金信科技有限公司 | 一种数据可视化装置和方法 |
-
2020
- 2020-10-19 CN CN202011118603.3A patent/CN112256789B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170212941A1 (en) * | 2016-01-25 | 2017-07-27 | International Business Machines Corporation | System and method for visualizing data |
| CN107643888A (zh) * | 2016-07-20 | 2018-01-30 | 北京京东尚科信息技术有限公司 | 图表分析的方法和装置 |
| CN107180117A (zh) * | 2017-06-30 | 2017-09-19 | 东软集团股份有限公司 | 图表推荐方法、装置和计算机设备 |
| CN110046185A (zh) * | 2019-04-12 | 2019-07-23 | 成都四方伟业软件股份有限公司 | 图表推送方法及装置 |
| CN110377659A (zh) * | 2019-07-25 | 2019-10-25 | 南京数睿数据科技有限公司 | 一种智能图表推荐系统及方法 |
| CN110489449A (zh) * | 2019-07-30 | 2019-11-22 | 北京百分点信息科技有限公司 | 一种图表推荐方法、装置和电子设备 |
| CN110909017A (zh) * | 2019-11-11 | 2020-03-24 | 苏宁金融科技(南京)有限公司 | 数据分析方法和系统 |
| CN111324659A (zh) * | 2020-02-27 | 2020-06-23 | 西安交通大学 | 一种针对时序医疗数据的可视化推荐方法及系统 |
| CN111414404A (zh) * | 2020-03-20 | 2020-07-14 | 北京东方金信科技有限公司 | 一种数据可视化装置和方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112882786A (zh) * | 2021-02-18 | 2021-06-01 | 北京明略昭辉科技有限公司 | 用于辅助推荐图表类型的方法、装置、电子设备及存储介质 |
| CN113094424A (zh) * | 2021-04-09 | 2021-07-09 | 北京元年科技股份有限公司 | 通过构建多级指标体系进行图表模式识别的方法和系统 |
| CN113094424B (zh) * | 2021-04-09 | 2022-03-01 | 北京元年科技股份有限公司 | 通过构建多级指标体系进行图表模式识别的方法和系统 |
| US20220334709A1 (en) * | 2021-04-14 | 2022-10-20 | DataChat.ai | User interface for data analytics systems |
| CN113468354A (zh) * | 2021-07-23 | 2021-10-01 | 建信金融科技有限责任公司 | 推荐图表的方法、装置、电子设备及计算机可读介质 |
| CN114612586A (zh) * | 2022-05-10 | 2022-06-10 | 杭州比智科技有限公司 | 一种基于数据可视化场景下的颜色分等级渲染方法及系统 |
| CN114860737A (zh) * | 2022-06-28 | 2022-08-05 | 北京世纪好未来教育科技有限公司 | 教研数据的处理方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112256789B (zh) | 2022-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112256789B (zh) | 数据智能可视化分析方法和装置 | |
| US10083517B2 (en) | Segmentation of an image based on color and color differences | |
| Bajaj et al. | The contour spectrum | |
| JP2002288687A (ja) | 特徴量算出装置および方法 | |
| CN116188805B (zh) | 海量图像的图像内容分析方法、装置和图像信息网络 | |
| CN114066718A (zh) | 一种图像风格迁移方法、装置、存储介质及终端 | |
| EP1246124B1 (en) | Image space display method and apparatus | |
| Zhou et al. | Indexed-points parallel coordinates visualization of multivariate correlations | |
| WO2023226654A1 (zh) | 一种目标物单体化方法、装置、设备及存储介质 | |
| CN114090838A (zh) | 大数据可视化展示的方法、系统、电子装置和存储介质 | |
| US11881044B2 (en) | Method and apparatus for processing image, device and storage medium | |
| Arents et al. | Synthetic data of randomly piled, similar objects for deep learning-based object detection | |
| CN112528058A (zh) | 基于图像属性主动学习的细粒度图像分类方法 | |
| CN108369647A (zh) | 基于图像的质量控制 | |
| JP2010225053A (ja) | 数値解析結果レポート作成方法とシステムおよびプログラム | |
| WO2021072776A1 (zh) | 数据合并方法、装置、电子设备及存储介质 | |
| CN113658338A (zh) | 点云树木单体分割方法、装置、电子设备及存储介质 | |
| CN113724261A (zh) | 一种基于卷积神经网络的快速图像构图方法 | |
| Sevilla et al. | SILKNOWViz: Spatio-temporal data ontology viewer | |
| US20180210930A1 (en) | Apparatus for visualizing data and method for using the same | |
| Rudorfer | Towards robust object detection and pose estimation as a service for manufacturing industries | |
| CN113724296B (zh) | 一种运动背景下的物料跟踪方法、装置、存储介质及终端 | |
| CN110737704B (zh) | 数据展示方法及装置 | |
| US11928123B2 (en) | Systems and methods for network explainability | |
| Ayudiani et al. | An extensible tool for spatial clustering |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210122 Assignee: Hangzhou Jintou Finance Leasing Co.,Ltd. Assignor: HANGZHOU BIZHI TECHNOLOGY Co.,Ltd. Contract record no.: X2022980028267 Denomination of invention: Data intelligent visual analysis method and device Granted publication date: 20220617 License type: Exclusive License Record date: 20230112 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Data intelligent visual analysis method and device Effective date of registration: 20230115 Granted publication date: 20220617 Pledgee: Hangzhou Jintou Finance Leasing Co.,Ltd. Pledgor: HANGZHOU BIZHI TECHNOLOGY Co.,Ltd. Registration number: Y2023980031381 |
|
| EC01 | Cancellation of recordation of patent licensing contract | ||
| EC01 | Cancellation of recordation of patent licensing contract |
Assignee: Hangzhou Jintou Finance Leasing Co.,Ltd. Assignor: HANGZHOU BIZHI TECHNOLOGY Co.,Ltd. Contract record no.: X2022980028267 Date of cancellation: 20240327 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20220617 Pledgee: Hangzhou Jintou Finance Leasing Co.,Ltd. Pledgor: HANGZHOU BIZHI TECHNOLOGY Co.,Ltd. Registration number: Y2023980031381 |