CN112882786A - 用于辅助推荐图表类型的方法、装置、电子设备及存储介质 - Google Patents

用于辅助推荐图表类型的方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112882786A
CN112882786A CN202110187649.9A CN202110187649A CN112882786A CN 112882786 A CN112882786 A CN 112882786A CN 202110187649 A CN202110187649 A CN 202110187649A CN 112882786 A CN112882786 A CN 112882786A
Authority
CN
China
Prior art keywords
chart
data
confidence
types
type
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
Application number
CN202110187649.9A
Other languages
English (en)
Inventor
韩丰泽
高雅
吴明辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Minglue Zhaohui Technology Co Ltd
Original Assignee
Beijing Minglue Zhaohui Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Minglue Zhaohui Technology Co Ltd filed Critical Beijing Minglue Zhaohui Technology Co Ltd
Priority to CN202110187649.9A priority Critical patent/CN112882786A/zh
Publication of CN112882786A publication Critical patent/CN112882786A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请涉及计算机软件技术领域，公开了一种用于辅助推荐图表类型的方法，包括：接收需要可视化的数据，提取所述数据的特征；将所述数据的特征输入置信度决策模型，获得多个图表类型的置信度；对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型。本公开技术方案通过对需生成可视化图表的数据进行特征提取，并将提取的特征输入置信度决策模型中，从而能够获得置信度最高的一个或多个图表类型并输出给用户，这样可以帮助用户合理选择图表类型，提高用户选择图表类型的正确率，进而减少用户选错图表导致的时间成本和错误成本的增加。

Description

用于辅助推荐图表类型的方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机软件技术领域，例如涉及一种用于辅助推荐图表类型的方法、装置、电子设备及存储介质。
背景技术
在大数据时代，无论对个人还是企业，数据可视化是一种十分有效的数据分析手段。例如，地铁管理部门可以通过可视化的方式分析地铁班次、平均等待时间、人流量等数据来发现平均等待时间和地铁班次的关系，从而进一步改进调度、大小区间等工作方法来提高地铁运行效率。公司中的财务人员可以通过数据可视化技术，发现财务中出现的过高支出、漏帐坏帐等，更好的维护公司的财务安全。无论是传统的数据可视化分析Excel，还是新兴的在线图表分析工具，都需要用户手动选择图表类型以及展示指标。
然而，用户往往不清楚如何选择合适的图表来进行数据可视化展示，经常会出现由于用户选择的图表错误，导致增加时间成本和错误成本的问题。
因此，如何帮助用户为数据可视化选择正确的图表，以减少选错图表导致的时间成本和错误成本的增加，成为亟需解决的问题。
发明内容
为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
本公开实施例提供一种用于辅助推荐图表类型的方法、装置、存储介质及电子设备，以解决帮助用户为数据可视化选择正确的图表，以减少选错图表导致的时间成本和错误成本的增加的问题。
在一些实施方式中，本公开实施例提供一种用于辅助推荐图表类型的方法，其特征在于，包括：
接收需要可视化的数据，提取所述数据的特征；
将所述数据的特征输入置信度决策模型，获得多个图表类型的置信度；
对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型。
在一些实施方式中，所述数据的特征用于表征所述数据中的字段在各字段的类型下的分布。
在一些实施方式中，所述提取所述数据的特征，包括：
对所述数据的字段按照预设字段类型分类；
确定各所述预设字段类型下所述字段的个数；
将所述各所述预设制度类型标识及所述各所述预设字段类型下所述字段的个数进行组合，生成所述数据的特征。
在一些实施方式中，对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型，包括：
对多个图表类型的置信度排序，确定所述置信度排序中前三位的图表类型；
生成所述前三位的图表类型的展示数据并输出所述展示数据。
在一些实施方式中，所述方法还包括：
接收样本数据，所述样本数据中包括各预设字段类型标识及各所述预设字段类型下字段的个数的多个组合，及各所述组合对应的各图表类型的置信度；
将所述样本数据中的各所述组合作为输入，各所述组合对应的各图表类型的置信度作为输出，通过决策树算法进行训练生成置信度决策模型。
在一些实施方式中，所述方法还包括：
输出置信度最高的一个或多个图表类型后，接收用户反馈的图表类型选择指令，确定被选择的图表类型；
如果被选择的图表类型是输出图表类型中的一个，则结合所述被选择的图表类型以及所述需要可视化的数据，生成可视化图表并输出。在一些实施方式中，所述方法还包括：
如果被选择的图表类型不是输出图表类型中的任意一个，则用所述被选择的图表类型以及所述数据的特征更新所述置信度决策模型。
本公开实施例还提供一种用于辅助推荐图表类型的装置，包括：
提取模块，用于接收需要可视化的数据，提取所述数据的特征；
置信度生成模块，用于将所述数据的特征输入置信度决策模型，获得多个图表类型的置信度；
排序模块，用于对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型。
在一些实施方式中，所述数据的特征用于表征所述数据中的字段在各字段的类型下的分布。
在一些实施方式中，所述提取模块提取所述数据的特征，用于：
对所述数据的字段按照预设字段类型分类；
确定各所述预设字段类型下所述字段的个数；
将所述各所述预设制度类型标识及所述各所述预设字段类型下所述字段的个数进行组合，生成所述数据的特征。
在一些实施方式中，所述排序模块对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型，用于：
对多个图表类型的置信度排序，确定所述置信度排序中前三位的图表类型；
生成所述前三位的图表类型的展示数据并输出所述展示数据。
在一些实施方式中，所述装置还包括：
训练模块，用于接收样本数据，所述样本数据中包括各预设字段类型标识及各所述预设字段类型下字段的个数的多个组合，及各所述组合对应的各图表类型的置信度；
将所述样本数据中的各所述组合作为输入，各所述组合对应的各图表类型的置信度作为输出，通过决策树算法进行训练生成置信度决策模型。
在一些实施方式中，所述装置还包括：
图表生成模块，用于输出置信度最高的一个或多个图表类型后，接收用户反馈的图表类型选择指令，确定被选择的图表类型；
如果被选择的图表类型是输出图表类型中的一个，则结合所述被选择的图表类型以及所述需要可视化的数据，生成可视化图表并输出。在一些实施方式中，所述装置还包括：
更新模块，用于如果被选择的图表类型不是输出图表类型中的任意一个，则用所述被选择的图表类型以及所述数据的特征更新所述置信度决策模型。
本公开实施例还提供一种电子设备，包括处理器及存储器，所述存储器存储有计算机指令，所述处理器被配置为基于所述计算机指令执行本公开实施例提供的方法。
本公开实施例提供的用于辅助推荐图表类型的方法、装置、存储介质及电子设备，可以实现以下技术效果：
本公开技术方案通过对需生成可视化图表的数据进行特征提取，并将提取的特征输入置信度决策模型中，从而能够获得置信度最高的一个或多个图表类型并输出给用户，这样可以帮助用户合理选择图表类型，提高用户选择图表类型的正确率，进而减少用户选错图表导致的时间成本和错误成本的增加。
以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
图1是本公开实施例提供的一种用于辅助推荐图表类型的方法的流程图之一；
图2是本公开实施例提供的一种用于辅助推荐图表类型的方法的流程图之二；
图3是本公开实施例提供的一种用于辅助推荐图表类型的方法的流程图之三；
图4是本公开实施例提供的一种用于辅助推荐图表类型的方法的流程图之四；
图5是本公开实施例提供的一种用于辅助推荐图表类型的方法的流程图之五；
图6是本公开实施例提供的一种用于辅助推荐图表类型的方法的流程图之六；
图7是本公开实施例提供的一种用于辅助推荐图表类型的结构示意图；
图8是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
本公开实施例中，术语“上”、“下”、“内”、“中”、“外”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本公开实施例及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本公开实施例中的具体含义。
另外，术语“设置”、“连接”、“固定”应做广义理解。例如，“连接”可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本公开实施例中的具体含义。
除非另有说明，术语“多个”表示两个或两个以上。
需要说明的是，在不冲突的情况下，本公开实施例中的实施例及实施例中的特征可以相互组合。
本公开实施例提供一种用于辅助推荐图表类型的方法、装置、存储介质及电子设备，以解决帮助用户为数据可视化选择正确的图表，以减少选错图表导致的时间成本和错误成本的增加的问题。
在一些实施方式中，如图1所示，本公开实施例提供一种用于辅助推荐图表类型的方法，包括：
S101、接收需要可视化的数据，提取所述数据的特征；
S102、将所述数据的特征输入置信度决策模型，获得多个图表类型的置信度；
S103、对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型。
实际应用中，所述数据的特征可以用于表征所述数据中的字段在各字段的类型下的分布。例如，可以将数据中的字段类型分为三大类—文本、时间、数值，数据中的字段个数是不确定的变量，字段类型的分布组成特征，如“特征＝x个时间字段+y个数值字段+z个文本字段”。其中，x、y、z的等比例放大或者缩小值组成的特征，被认为与“特征＝x个时间字段+y个数值字段+z个文本字段”是同一特征。例如，“特征＝2x个时间字段+2y个数值字段+2z个文本字段”，被认为与“特征＝x个时间字段+y个数值字段+z个文本字段”是同一特征，输入置信度决策模型后，获得多个图表类型的置信度相同。
S102中的图表类型可以包括折线图、直方图、表格、饼图、散点图等。S102中获得的多个图表类型的置信度的形式可以为，例如“折线图(置信度0.9)、直方图(置信度0.85)、表格(置信度0.6)、饼图(置信度0.5)、散点图(置信度0.1)”。
本公开技术方案通过将需生成可视化图表的数据中字段的分布，输入置信度决策模型中，获取所述置信度决策模型输出的各图表类型的置信度，根据置信度排序来辅助用户确定要生成的可视化图表的类型，可以减少用户选错图表导致的时间成本和错误成本的增加。
在一些实施方式中，如图2所示，所述S101提取所述数据的特征，包括：
S201、对所述数据的字段按照预设字段类型分类；
S202、确定各所述预设字段类型下所述字段的个数；
S203、将所述各所述预设制度类型标识及所述各所述预设字段类型下所述字段的个数进行组合，生成所述数据的特征。
其中，预设字段类型，可以包括时间字段、数值字段、文本字段，本领域技术人员也可以预设其他字段类型，本申请不限定于此。
在一些实施方式中，S103中的并按预设数量输出置信度最高的一个或多个图表类型，其中预设数量，可以设置为3个，即输出置信度前三的图表类型，则如图3所示，S103对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型，包括：
S301、对多个图表类型的置信度排序，确定所述置信度排序中前三位的图表类型；
S302、生成所述前三位的图表类型的展示数据并输出所述展示数据。
实际应用中，如果S102中获得的置信度结果为“折线图(置信度0.9)、直方图(置信度0.85)、表格(置信度0.6)、饼图(置信度0.5)、散点图(置信度0.1)”时，S103中输出的前三位的图表类型为散点图、折线图、直方图。
在一些实施方式中，S102中的置信度决策模型，可以使用决策树进行训练。如图4所示，所述方法还包括：
S401、接收样本数据，所述样本数据中包括各预设字段类型标识及各所述预设字段类型下字段的个数的多个组合，及各所述组合对应的各图表类型的置信度；
S402、将所述样本数据中的各所述组合作为输入，各所述组合对应的各图表类型的置信度作为输出，使用决策树进行训练生成置信度决策模型。
实际应用中，样本数据可以是，例如：“特征＝1个时间字段+1个数值字段+0个文本字段”对应的图表类型的置信度为折线图(置信度0.9)、直方图(置信度0.85)、表格(置信度0.6)、饼图(置信度0.5)、散点图(置信度0.1)，“特征＝1个时间字段+0个数值字段+1个文本字段”对应的图表类型的置信度为折线图(置信度0.9)、直方图(置信度0.65)、表格(置信度0.6)、饼图(置信度0.5)、散点图(置信度0.1)。
在一种实施方式中，如果被选择的图表类型是输出图表类型中的一个，则结合所述被选择的图表类型以及所述需要可视化的数据，生成可视化图表并输出。如果被选择的图表类型不是输出图表类型中的任意一个，则用所述被选择的图表类型以及所述数据的特征更新所述置信度决策模型。
在一些实施方式中，如果输出了置信度最高的一个或多个图表类型后，用户没有选择其中的图表类型，则可以根据用户选择的图表类型，对置信度决策模型进行重新训练，如图5所示，所述方法还包括：
S501、获取针对输出的所述置信度最高的一个或多个图表类型的反馈数据，解析所述反馈数据，确定被选择的图表类型；
S502、如果所述被选择的图表类型不是所述置信度最高的一个或多个图表类型中的一个，则用所述被选择的图表类型以及所述数据的特征更新所述样本数据；
S503、用更新后的所述样本数据对所述置信度决策模型进行重新训练，以更新所述置信度决策模型。
实际应用中，用所述被选择的图表类型以及所述数据的特征更新所述样本数据，可以为将样本数据中所述数据的特征对应的被选择的图表类型的置信度修改为置信度最高。
在一些实施方式中，本公开实施例提供的方法还可以包括自动实现可视化图表的生成，例如，本公开实施例提供的方法还包括：
结合所述被选择的图表类型，以及所述需要可视化的数据，生成可视化图表并输出。
本公开实施例还提供一种示例性的用于辅助推荐图表类型的方法，如图6所示，包括：
S601、用户选择需要可视化的数据
S602、用户点击可视化按键；
S603、在可视化系统中，将用户输入的数据中的字段和类型组合成特征；
S604、将用户输入数据的特征输入置信度决策模型中，得出各图表类型的置信度；
S605、对各图表类型的置信度进行排序；
S606、将置信度前三的图表类型输出给用户；
S607、判断用户是否选择置信度前三之外的图表类型，若是，则根据用户选择的图表类型更新S608中的训练样本，若否，执行S607；
S608、根据用户选择的图表类型，及需要可视化的数据，生成可视化图表并输出；
S609、获取用于训练置信度决策模型的样本数据；
S610、根据所述样本数据，使用决策树进行训练，生成置信度决策模型。
如图7所示，本公开实施例还提供一种用于辅助推荐图表类型的装置，包括：
提取模块701，用于接收需要可视化的数据，提取所述数据的特征；
置信度生成模块702，用于将所述数据的特征输入置信度决策模型，获得多个图表类型的置信度；
排序模块703，用于对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型。
在一些实施方式中，所述数据的特征用于表征所述数据中的字段在各字段的类型下的分布。
在一些实施方式中，所述提取模块701提取所述数据的特征，用于：
对所述数据的字段按照预设字段类型分类；
确定各所述预设字段类型下所述字段的个数；
将所述各所述预设制度类型标识及所述各所述预设字段类型下所述字段的个数进行组合，生成所述数据的特征。
在一些实施方式中，所述排序模块703对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型，用于：
对多个图表类型的置信度排序，确定所述置信度排序中前三位的图表类型；
生成所述前三位的图表类型的展示数据并输出所述展示数据。
在一些实施方式中，所述装置还包括：
训练模块704，用于接收样本数据，所述样本数据中包括各预设字段类型标识及各所述预设字段类型下字段的个数的多个组合，及各所述组合对应的各图表类型的置信度；
将所述样本数据中的各所述组合作为输入，各所述组合对应的各图表类型的置信度作为输出，通过决策树算法进行训练生成置信度决策模型。
在一些实施方式中，所述装置还包括：
图表生成模块705，用于输出置信度最高的一个或多个图表类型后，接收用户反馈的图表类型选择指令，确定被选择的图表类型；
如果被选择的图表类型是输出图表类型中的一个，则结合所述被选择的图表类型以及所述需要可视化的数据，生成可视化图表并输出。在一些实施方式中，所述装置还包括：
更新模块706，用于如果被选择的图表类型不是输出图表类型中的任意一个，则用所述被选择的图表类型以及所述数据的特征更新所述置信度决策模型。
本公开实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行如本公开实施例提供的方法。
如图8所示，本公开实施例还提供一种电子设备，包括处理器801及存储器802，所述存储器802存储有计算机指令，所述处理器801被配置为基于所述计算机指令执行本公开实施例提供的方法。
本公开实施例提供的用于辅助推荐图表类型的方法、装置、存储介质及电子设备，可以实现以下技术效果：
本公开技术方案通过将需生成可视化图表的数据中字段的分布，输入置信度决策模型中，获取所述置信度决策模型输出的各图表类型的置信度，根据置信度排序来辅助用户确定要生成的可视化图表的类型，可以减少用户选错图表导致的时间成本和错误成本的增加。
以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。本公开的实施例并不局限于上面已经描述并在附图中示出的结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种用于辅助推荐图表类型的方法，其特征在于，包括：
接收需要可视化的数据，提取所述数据的特征；
将所述数据的特征输入置信度决策模型，获得多个图表类型的置信度；
对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型。
2.如权利要求1所述的方法，其特征在于，所述数据的特征用于表征所述数据中的字段在各字段的类型下的分布。
3.如权利要求1所述的方法，其特征在于，所述提取所述数据的特征，包括：
对所述数据的字段按照预设字段类型分类；
确定各所述预设字段类型下所述字段的个数；
将所述各所述预设制度类型标识及所述各所述预设字段类型下所述字段的个数进行组合，生成所述数据的特征。
4.如权利要求1所述的方法，其特征在于，对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型，包括：
对多个图表类型的置信度排序，确定所述置信度排序中前三位的图表类型；
生成所述前三位的图表类型的展示数据并输出所述展示数据。
5.如权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
接收样本数据，所述样本数据中包括各预设字段类型标识及各所述预设字段类型下字段的个数的多个组合，及各所述组合对应的各图表类型的置信度；
将所述样本数据中的各所述组合作为输入，各所述组合对应的各图表类型的置信度作为输出，通过决策树算法进行训练生成置信度决策模型。
6.如权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
输出置信度最高的一个或多个图表类型后，接收用户反馈的图表类型选择指令，确定被选择的图表类型；
如果被选择的图表类型是输出图表类型中的一个，则结合所述被选择的图表类型以及所述需要可视化的数据，生成可视化图表并输出。
7.如权利要求6所述的方法，其特征在于，所述方法还包括：
如果被选择的图表类型不是输出图表类型中的任意一个，则用所述被选择的图表类型以及所述数据的特征更新所述置信度决策模型。
8.一种用于辅助推荐图表类型的装置，其特征在于，包括：
提取模块，用于接收需要可视化的数据，提取所述数据的特征；
置信度生成模块，用于将所述数据的特征输入置信度决策模型，获得多个图表类型的置信度；
排序模块，用于对多个图表类型的置信度排序，并按预设数量输出置信度最高的一个或多个图表类型。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行如权利要求1至7中任一项所述的方法。
10.一种电子设备，其特征在于，包括处理器及存储器，所述存储器存储有计算机指令，所述处理器被配置为基于所述计算机指令执行如权利要求1至7任一项所述的方法。
CN202110187649.9A 2021-02-18 2021-02-18 用于辅助推荐图表类型的方法、装置、电子设备及存储介质 Pending CN112882786A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110187649.9A CN112882786A (zh) 2021-02-18 2021-02-18 用于辅助推荐图表类型的方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110187649.9A CN112882786A (zh) 2021-02-18 2021-02-18 用于辅助推荐图表类型的方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112882786A true CN112882786A (zh) 2021-06-01

Family

ID=76056522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110187649.9A Pending CN112882786A (zh) 2021-02-18 2021-02-18 用于辅助推荐图表类型的方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112882786A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111566652A (zh) * 2018-01-15 2020-08-21 微软技术许可有限责任公司 用于辅助用户完成任务的上下文感知的推荐
CN112015774A (zh) * 2020-09-25 2020-12-01 北京百度网讯科技有限公司 一种图表推荐方法、装置、电子设备及存储介质
CN112256789A (zh) * 2020-10-19 2021-01-22 杭州比智科技有限公司 数据智能可视化分析方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111566652A (zh) * 2018-01-15 2020-08-21 微软技术许可有限责任公司 用于辅助用户完成任务的上下文感知的推荐
CN112015774A (zh) * 2020-09-25 2020-12-01 北京百度网讯科技有限公司 一种图表推荐方法、装置、电子设备及存储介质
CN112256789A (zh) * 2020-10-19 2021-01-22 杭州比智科技有限公司 数据智能可视化分析方法和装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Similar Documents

Publication Publication Date Title
EP3839818A2 (en) Method and apparatus for performing structured extraction of text, device and storage medium
CN108364106A (zh) 一种报销单风险预测方法、装置、终端设备及存储介质
CN110991456B (zh) 票据识别方法及装置
CN110852065A (zh) 一种文档审核方法、装置、系统、设备及存储介质
AU2019204444B2 (en) System and method for enrichment of ocr-extracted data
CN111061833A (zh) 数据处理方法、装置、电子设备和计算机可读存储介质
CN102257487A (zh) 分析事件
CN107609343B (zh) 亲缘关系鉴定方法、系统、计算机设备及可读存储介质
CN102496073A (zh) 一种财务舞弊审计辅助系统及辅助审计方法
US11087409B1 (en) Systems and methods for generating accurate transaction data and manipulation
CN106201757A (zh) 一种异常处理方法和装置
US11468237B2 (en) Audit investigation tool
CN112231431A (zh) 一种异常地址识别方法、设备和计算机可读存储介质
CN112882786A (zh) 用于辅助推荐图表类型的方法、装置、电子设备及存储介质
CN116775879A (zh) 大语言模型的微调训练方法、合同风险评审方法及系统
CN105204872A (zh) 一种录入页面生成方法和装置
CN107633160A (zh) 三联体亲子鉴定方法、系统、计算机设备及可读存储介质
Harsha et al. Automated resume screener using natural language processing (NLP)
JP2021033544A (ja) 学習データの精練方法及び計算機システム
CN109657240A (zh) 确定故障类型的方法、装置、设备和介质
KR101192336B1 (ko) 기술 로드맵 서비스 제공 방법 및 시스템
JP6514401B1 (ja) 情報処理装置、学習装置、情報処理システム、情報処理方法及びコンピュータプログラム
CN116823202A (zh) 简历信息处理方法、系统、智能终端及存储介质
CN109324963A (zh) 自动测试收益结果的方法及终端设备
CN111881795B (zh) 运单号识别方法及装置

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