CN113254542A - 数据可视化处理方法及装置、电子设备 - Google Patents
数据可视化处理方法及装置、电子设备 Download PDFInfo
- Publication number
- CN113254542A CN113254542A CN202110429525.7A CN202110429525A CN113254542A CN 113254542 A CN113254542 A CN 113254542A CN 202110429525 A CN202110429525 A CN 202110429525A CN 113254542 A CN113254542 A CN 113254542A
- Authority
- CN
- China
- Prior art keywords
- data
- index
- correlation
- client
- target
- 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
- 238000013079 data visualisation Methods 0.000 title claims abstract description 49
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 29
- 230000000007 visual effect Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 22
- 230000003993 interaction Effects 0.000 claims description 19
- 230000002776 aggregation Effects 0.000 claims description 18
- 238000004220 aggregation Methods 0.000 claims description 18
- 238000012800 visualization Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000004883 computer application Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Abstract
本公开实施例提供了一种数据可视化处理方法、数据可视化处理装置、电子设备及计算机可读介质;涉及计算机应用技术领域。该数据可视化处理方法包括:获取客户端的第一指令;根据数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据;获取客户端的第二指令,根据第二指令中包含的指标维度从多个关联指标中确定出目标关联指标;基于样本数据确定所述样本数据的各关联指标的分布数据;结合关联指标的分布数据确定目标关联指标对应的特定事件关联程度评分;接收客户端的显示请求,根据显示请求中包含的显示数据项对特定事件关联程度评分进行处理,生成可视化信息;将可视化信息发送至客户端,在客户端显示可视化信息。
Description
技术领域
本公开涉及计算机应用技术领域,具体而言,涉及一种数据可视化处理方法、数据可视化处理装置、电子设备和计算机可读介质。
背景技术
随着信息技术的发展,数据的量级越来越大,对于用户来说,面对数以千万计的数据时很难找出数据中的规律或特征。数据可视化是利用图形、图像处理以及用户界面等视觉表现形式来表示数据的方式。但是将数据进行可视化表示通常只能按照预设的规则对数据进行处理,例如将数据按照特定的维度进行可视化等,不能有效地满足用户的需求。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例的目的在于提供一种数据可视化处理方法、数据可视化处理装置、电子设备和计算机可读介质,通过可交互的方式根据用户的需求输出关联指标对应的评分,能够提高评分的精确性。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开实施例的第一方面,提供了一种数据可视化处理方法,包括:
获取客户端的第一指令,其中,所述第一指令中包含多个数据维度以及所述数据维度的数据范围;
根据所述数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据,其中,所述样本数据具有多个关联指标;
获取所述客户端的第二指令,根据所述第二指令中包含的指标维度从多个关联指标中确定出目标关联指标;
基于所述样本数据确定所述样本数据的各关联指标的分布数据;
结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分;
接收所述客户端的显示请求,根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息;
将所述可视化信息发送至所述客户端,在所述客户端显示所述可视化信息。
在本公开的示例性实施方式中,所述结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分包括:
利用所述事件信息数据库确定各所述关联指标的指标阈值;
结合所述指标阈值以及所述分布数据确定所述目标关联指标对应的特定事件关联程度评分。
在本公开的示例性实施方式中,所述结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分包括:
从所述关联指标的分布数据中获取所述目标关联指标对应的目标分布数据;
确定特定事件在所述目标分布数据中对应的分布概率,作为所述目标关联指标对应的特定事件关联程度评分。
在本公开的示例性实施方式中,所述方法还包括:
在所述目标关联指标对应的特定事件关联程度评分超出所述目标关联指标对应的所述指标阈值时,对所述目标关联指标添加风险标签,以将所述风险标签在所述客户端进行显示。
在本公开的示例性实施方式中,所述方法还包括:
按照预设时间周期更新所述事件信息数据库;
根据更新后的事件信息数据库,更新各所述关联指标的指标阈值。
在本公开的示例性实施方式中,所述结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分包括:
获取所述客户端的第三指令,其中,所述第三指令中包含每个所述目标关联指标的权重;
根据所述目标关联指标对应的特定事件关联程度评分以及权重,计算所述特定事件的聚合评分,以在所述客户端进行显示。
在本公开的示例性实施方式中,所述根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息包括:
根据所述显示请求中包含的显示数据项确定展示指标;
将所述展示指标对应的特定事件的聚合评分生成图表信息。
在本公开的示例性实施方式中,所述方法还包括:
获取所述用户端的第四指令,其中,所述第四指令中包含所述用户端选择的展示样式;
将所述展示指标对应的特定事件的聚合评分生成所述展示样式对应的图表信息。
根据本公开实施例的第二方面,提供了一种数据可视化处理装置,可以包括第一交互模块、样本筛选模块、第二交互模块、指标数据确定模块、评分计算模块、数据可视化模块以及结果展示模块。
其中,第一交互模块,用于获取客户端的第一指令,其中,所述第一指令中包含多个数据维度以及所述数据维度的数据范围;
样本筛选模块,用于根据所述数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据,其中,所述样本数据具有多个关联指标;
第二交互模块,用于获取所述客户端的第二指令,根据所述第二指令中包含的指标维度从多个关联指标中确定出目标关联指标;
指标数据确定模块,用于基于所述样本数据确定所述样本数据的各关联指标的分布数据;
评分计算模块,用于结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分;
数据可视化模块,用于接收所述客户端的显示请求,根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息;
结果展示模块,用于将所述可视化信息发送至所述客户端,在所述客户端显示所述可视化信息。
在本公开的示例性实施方式中,所述评分计算模块具体可包括:
阈值确定模块,用于利用所述事件信息数据库确定各所述关联指标的指标阈值;
关联程度评分模块,用于结合所述指标阈值以及所述分布数据确定所述目标关联指标对应的特定事件关联程度评分。
在本公开的示例性实施方式中,所述评分计算模块包括:
分布数据获取模块,用于从所述关联指标的分布数据中获取所述目标关联指标对应的目标分布数据;
分布概率计算模块,用于确定特定事件在所述目标分布数据中对应的分布概率,作为所述目标关联指标对应的特定事件关联程度评分。
在本公开的示例性实施方式中,所述装置还包括:
标签显示模块,用于在所述目标关联指标对应的特定事件关联程度评分超出所述目标关联指标对应的所述指标阈值时,对所述目标关联指标添加风险标签,以将所述风险标签在所述客户端进行显示。
在本公开的示例性实施方式中,所述评分计算模块包括:
第三交互模块,用于获取所述客户端的第三指令,其中,所述第三指令中包含每个所述目标关联指标的权重;
评分聚合显示模块,用于根据所述目标关联指标对应的特定事件关联程度评分以及权重,计算所述特定事件的聚合评分,以在所述客户端进行显示。
在本公开的示例性实施方式中,所述数据可视化模块包括:
展示指标确定模块,用于根据所述显示请求中包含的显示数据项确定展示指标;
图表信息生成模块,用于将所述展示指标对应的特定事件的聚合评分生成图表信息。
在本公开的示例性实施方式中,所述装置还包括:
第四交互模块,用于获取所述用户端的第四指令,其中,所述第四指令中包含所述用户端选择的展示样式;
展示样式确定模块,用于将所述展示指标对应的特定事件的聚合评分生成所述展示样式对应的图表信息。
根据本公开实施例的第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中第一方面所述的数据可视化处理方法。
根据本公开实施例的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中第一方面所述的数据可视化处理方法。
在本公开实施例所提供的数据可视化处理方法中,一方面,通过与客户端的交互获取客户端的指令,根据客户端的指令筛选需要分析的样本数据以及目标关联指标,可以使得计算出特定事件关联程度评分更加精细准确,同时能够使可视化信息更能满足用户需求;另一方面,无需人工预先制定数据的可视化的规则,能够降低人工成本,提高数据处理效率;再一方面,从数据维度以及关联指标两个方面对数据进行可视化,能够最大程度地满足数据可视化的需求,使得用户可以直观清楚地了解数据的特征。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了应用于本公开实施例的数据可视化处理方法或数据可视化处理装置的示例性系统架构示意图;
图2示意性示出了根据本公开的一实施例的数据可视化处理方法的流程图;
图3示意性示出了根据本公开的一实施例中筛选样本数据的显示界面效果示意图;
图4示意性示出了根据本公开的一实施例中确定目标关联指标的显示界面效果示意图;
图5示意性示出了根据本公开的一实施例中特定事件关联程度评分的显示效果示意图;
图6示意性示出了根据本公开的一实施例中图表信息的显示效果示意图;
图7示意性示出了根据本公开的一实施例的数据可视化处理装置的框图;
图8示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本说明书中,用语“一个”、“一”、“该”、“所述”和“至少一个”用以表示存在一个或多个要素/组成部分/等;用语“包含”、“包括”和“具有”用以表示开放式的包括在内的意思,并且是指除了列出的要素 /组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”、“第二”、“第三”等仅作为标记使用,不是对其对象的数量限制。
下面结合附图对本公开示例实施方式进行详细说明。
图1示出了可以应用于本公开实施例的数据可视化处理方法或数据可视化处理装置的示例性应用环境的系统架构的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的一个或多个,网络104和服务器105。网络104用以在终端设备101、 102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105 交互,以接收或发送消息等。其中,终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于台式计算机、便携式计算机、智能手机和平板电脑、可穿戴设备、虚拟现实设备、智能家居等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理,并将处理结果反馈给终端设备。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
本公开实施例所提供的数据可视化处理方法一般由服务器105执行,相应地,数据可视化处理装置一般设置于服务器105中。但本领域技术人员容易理解的是,本公开实施例所提供的数据可视化处理方法也可以由终端设备101、102、103执行,相应的,数据可视化处理装置也可以设置于终端设备101、102、103中,本示例性实施例中对此不做特殊限定。
本公开实施例中,数据可以包括任意场景中的数据,例如医疗病例数据、保险理赔数据等。下面以保险场景下的数据为例,进一步说明本公开提供的技术方案。
随着社会经济的发展,商业保险以其全面的保障,财富增值等优势迅速发展,而商业保险中健康保险的发展速度尤为突出。由于健康保险的快速发展和普及,健康保险的理赔案件占理赔案件已超过90%,识别理赔风险变得尤为重要。
保险理赔是保险业务处理程序的最后环节,目前核赔都是人工核赔,依据以往历史理赔案件的专家经验,制定人工核赔的规则引擎来识别风险。但是,人工核赔不仅存在效率低下的问题,制定的规则引擎也难以跟上需求或产品更新的速度,影响核赔的准确性。
基于上述一个或多个问题,本公开实施例提供一种数据可视化处理方法的技术方案,通过可交互的方式根据用户的需求计算评分,并对评分进行可视化,能够使用户直观精确地了解到数据的风险。
如图2所示,本公开实施例提供的数据可视化处理方法可以包括以下步骤:
步骤S21.获取客户端的第一指令,其中,所述第一指令中包含多个数据维度以及所述数据维度的数据范围。
步骤S22.根据所述数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据,其中,所述样本数据具有多个关联指标。
步骤S23.获取所述客户端的第二指令,根据所述第二指令中包含的指标维度从多个关联指标中确定出目标关联指标。
步骤S24.基于所述样本数据确定所述样本数据的各关联指标的分布数据。
步骤S25.结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分。
步骤S26.接收所述客户端的显示请求,根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息。
步骤S27.将所述可视化信息发送至所述客户端,在所述客户端显示所述可视化信息。
在本公开实施例所提供的数据可视化处理方法中,一方面,通过与客户端的交互获取客户端的指令,根据客户端的指令筛选需要分析的样本数据以及目标关联指标,可以使得计算出特定事件关联程度评分更加精细准确,同时能够使可视化信息更能满足用户需求;另一方面,无需人工预先制定数据的可视化的规则,能够降低人工成本,提高数据处理效率;再一方面,从数据维度以及关联指标两个方面对数据进行可视化,能够最大程度地满足数据可视化的需求,使得用户可以直观清楚地了解数据的特征。
接下来对本公开示例性实施方式中的以上步骤进行详细说明。
在步骤S21中,获取客户端的第一指令,其中,所述第一指令中包含多个数据维度以及所述数据维度的数据范围。
数据维度可以包括保险理赔案件数据所涉及的维度,维度包括但不限于性别、年龄、医院省份、医院级别、疾病类型。用户可以从多个维度中选择自己需要的数据维度,例如,数据维度可以为性别,该维度的数据范围可以为“女性”,数据维度可以为年龄,其数据范围可以为“10~20岁”等。数据维度的数据范围可以根据实际需求预先设置,以供用户选择,例如划分年龄维度为0~10岁,10~20岁,20~40岁, 40~60岁,60~100岁等等,也可以由用户进行灵活输入,例如用户可以输入年龄“15岁-30岁”等,本实施方式对此不做特殊限定。
通过客户端显示界面上的控件可以触发第一指令,例如在用户点击控件A后,向服务端发送第一指令等。第一指令中可以包括用户选择出来的多个数据维度,例如时间维度、位置维度等等,再例如医疗机构等级、疾病类型等。客户端的用户可以对每个数据维度设置不同的数据范围,例如时间为2020年1月1日至2021年1月1日,性别为男、医疗机构等级为一级医院等等。举例而言,客户端可以提供一显示界面,用户通过该显示界面选择需要分析的数据维度,并为每个数据维度设置对应的数据范围,从而通过该显示界面触发第一指令,将该显示界面上用户选择的数据维度传递至服务端。
在步骤S22中,根据所述数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据,其中,所述样本数据具有多个关联指标。
事件信息数据库指的是保存大量样本数据的数据库,例如保存保险理赔案例的数据库。保险理赔案例为记录历史理赔信息的数据,具体可以包括出险原因、出险的用户的信息,例如ID、用户姓名、性别等,理赔的金额、理赔对应的医院的信息,例如医院名称、等级等等;此外,保险理赔案件数据还可以包括其他信息,例如理赔案件的时间、理赔的疾病、理赔的地区等等。
服务端接收到第一指令之后,通过解析可以获取指令的内容,进而根据指令内容对数据库进行数据搜索,筛选出对应的样本数据。按照数据的维度可以对数据进行分类,得到多个样本集合。例如,按照时间维度可以将保险理赔案例划分为一年内、两年内、五年内、十年内等多个样本集合;按照医疗机构等级的维度对保险理赔案件数据可以划分为一级医院、二级医院、三级医院等多个样本集合;按照疾病类型可以将保险理赔案件数据划分为肿瘤、传染病、精神和心理疾病等等。
通过客户端的显示界面可以提供多个输入框或者选择框控件,从而使得用户在输入框中输入所需要的数据维度,进而从事件信息数据库中筛选出该数据维度的样本数据。用户选择的数据维度可以包括多个维度,通过每个维度对应的样本集合计算交集,可以得到同时符合多个数据维度的样本数据。举例而言,如图3所示,用户在显示页面300中可以通过控件301、302、303分布选择对应的性别维度、年龄维度、医院等级维度等,在输入完成后可以通过控件304发送第一指令,从而通过第一指令将确定的数据维度发送至服务端,服务端在接收到第一指令中包含的多个数据维度后,可以通过数据库查询语言对数据库中的保险理赔案例进行筛选,得到样本数据。
每个样本数据均具有多个关联指标,关联指标与样本数据中的属性相关,例如关联指标可以包括理赔费用、报销总额等。关联指标可以根据数据的各个属性来预先确定,例如药占比、商保报销比例、社保报销比例、住院天数等等指标,本实施方式不限于此。
在步骤S23中,获取所述客户端的第二指令,根据所述第二指令中包含的指标维度从多个关联指标中确定出目标关联指标。
第二指令也可以对应客户端的一显示界面,在该显示界面中可以显示所有的关联指标,供用户选择。当用户选择完成后可以点击该显示界面中的控件来向服务端发送第二指令,服务端在接收到第二指令后可以解析获取指令内容,进而确定指令内容中用户选择的目标关联指标。举例来说明,如图4所示,显示界面400中可以显示所有的关联指标,每个关联指标可以对应一显示控件,如当用户点击控件401时选择“住院天数”关联指标等,通过点击页面中的控件可以选择对应的关联指标,被选中的关联指标即为目标关联指标,在选择完成后,可以通过控件 402向服务端发送第二指令,使得服务端获取用户在界面400中选择的目标关联指标。
在步骤S24中,基于所述样本数据确定所述样本数据的各关联指标的分布数据。
本示例性实施方式中,针对每个关联指标可以确定每条样本数据中对应的值,将每个关联指标对应的值进行统计,可以得到各个关联指标的分布数据。各个关联指标的分布数据可以呈正太分布,或者,对于不服从正太分布的关联指标来说,还可以通过对样本数据进行预处理将其转换成服从正太分布的数据,例如对样本进行取对数处理将其转换为正太分布等。此外,对样本数据还可以执行多种数据预处理过程,例如归一化、标准化、去除样本数据中异常值等等。
在步骤S25中,结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分。
其中,特定事件可以包括具体的一个样本对象,也可以包括指定数据范围的样本对象,例如年龄为10-20的样本对象;特定事件关联程度评分可以指该样本对象在目标关联指标下的风险评分。首先可以确定出每个目标关联指标在样本对象中的评分,然后再结合所有的目标关联指标确定样本对象的特定事件关联程度评分。具体的,确定特定事件关联程度评分的方式可以包括:从所述关联指标的分布数据中获取所述目标关联指标对应的目标分布数据;确定特定事件在所述目标分布数据中对应的分布概率,以获得所述目标关联指标对应的特定事件关联程度评分。
根据样本数据得到每个关联指标的分布数据后,可以从中筛选出目标关联指标对应的分布数据。根据特定事件对应的样本对象中目标关联指标对应的值可以确定特定事件在所述分布数据中分布概率,从而得到特定事件关联程度评分。
举例来说,目标关联指标的分布数据为:其中,μ和σ为该分布数据的均值和标准差。将特定事件中目标关联指标对应的取值作为x,利用该公式计算得到p值,该p值即为该目标关联指标的取值的分布概率。如果客户端选择了多个目标关联指标,则同理可得每个目标关联指标的分布概率,该每个目标关联指标的分布概率可以作为特定事件关联程度评分,也可以对多个分布概率进行再次运算得到特定事件关联程度评分,例如将多个分布概率的乘积作为特定事件关联程度评分,将多个分布概率的总和作为特定事件关联程度评分等。
示例性实施方式中,结合关联指标的分布数据确定目标关联指标对应的特定事件关联程度评分可以包括:利用所述事件信息数据库确定各所述关联指标的指标阈值;结合所述指标阈值以及所述分布数据确定所述目标关联指标对应的特定事件关联程度评分。
对事件信息数据库中每条数据在每个关联指标对应的值转换成正太分布,可以将每个关联指标对应的正太分布作为分布数据。并且,根据每个关联指标的正太分布可以确定分布占全部取值的99%的区间作为置信区间,将该置信区间中的最大值和最小值作为关联指标对应的指标阈值。在其他实施方式中,置信区间也可以取其他数值,例如分布占全部取值的90%的区间、占95%的区间等等,根据不同的置信区间可以确定不同的指标阈值,这些也属于本公开的保护范围。
需要说明的是,样本数据为第一指令中数据维度下筛选的保险理赔案例,基于样本数据而计算得到的分布数据为基于保险理赔案例计算得到的分布数据中的一部分,也就是说,基于事件信息数据库计算得到的分布数据涉及到关联指标的每个维度,而基于样本数据计算得到的分布数据只涉及关联指标中用户所选的数据维度。
举例来说,如果样本数据中包含10000条历史理赔案例,关联指标分别为住院天数、赔付金额,在住院天数指标下,该样本数据中99%的数据均分布在10~30天内,则该区间即为置信区间,[10,30]为住院天数指标的指标阈值,该10000条数据中住院天数对应的值组成的正太分布为该关联指标的分布数据。
根据每个目标关联指标的指标阈值可以确定目标关联指标的风险值,如果特定事件的目标关联指标的值离指标阈值越近,则风险值可以越小,例如赔付金额的指标阈值为1000,若特定事件中赔付金额的值为900,则赔付金额指标对应的风险值可以为100,若特定事件中赔付金额的值为500,则风险值可以为500。确定每个目标关联指标的风险值后,可以对所有风险值进行求和将得到的结果作为特定事件关联程度评分;或者也可以将所有风险值的乘积作为特定事件关联程度评分。
示例性实施方式中,如果特定事件对应的目标关联指标的值均在指标阈值的范围内,则可以确定特定事件关联程度评分为第一等级,如果特定事件对应的目标关联指标的值均在指标阈值的范围外,则可以确定特定事件关联程度评分为第二等级。其中,第一等级与第二等级可以预先设置为具体的数值,例如80、60等,也可以为等级类型,例如“高风险”、“低风险”等。举例来说,如果赔付金额的指标阈值为1000,若特定事件中赔付金额的值为900,则特定事件关联程度评分可以为低风险,若特定事件中赔付金额的值为2000,则对应的特定事件关联程度评分可以为高风险。
在本公开的示例性实施方式中,按照预设时间周期更新所述样本数据,以及所述样本数据的多个关联指标的分布数据。其中,预设时间周期可以包括一个月、一周、三个月、半年、一年等等,本实施方式对此不做特殊限定。例如,可以每个月更新一次保险理赔案件,从而对样本数据进行更新,根据更新后的样本数据可以重新计算各个关联指标的分布数据以及指标阈值,从而对每个关联指标的分布数据进行周期性更新,使数据具有更高的时效性,能够有利于提高评分的准确性。
在步骤S26中,接收所述客户端的显示请求,根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息。
其中,显示数据项可以包括需要进行展示的关联指标,该关联指标是目标关联指标中的一个或多个;也可以需要展示的特定的数据维度。客户端可以提供一显示页面,通过该显示页面用户可以选择需要展示的显示数据项,选择完成后可以根据显示数据项生成显示请求,发送至服务端。服务端在接收到客户端的显示请求后,对该显示请求进行解析可以获取显示请求中包含的显示数据项。根据用户选择的显示数据项可以生成特定事件关联程度评分的可视化信息。该可视化信息包括但不限于折线图、柱状图、饼状图、星形图等。在示例性实施方式中,显示请求中还可以包括用户所选择的可视化的样式,例如可以指定以折线图的样式对数据进行可视化等等。
示例性的,用户可以先选择一个关联指标作为显示数据项,从而生成该关联指标的可视化信息,例如显示数据项为“医院人均住院天数”时,则可以生成医院人均天数的特定事件关联程度评分对应的折线图。并且,在客户端的显示界面中可以将每个目标关联指标对应的特定事件关联程度评分进行显示,使用户可以从不同的指标的角度了解到对应的风险,更加细粒度地对数据进行风险量化,满足用户的个性化需求。可见,本公开提供的数据可视化处理方法能够根据用户的需求,从指定的指标维度对数据进行风险量化,能够提高风险量化的精准性。
在步骤S27中,将所述可视化信息发送至所述客户端,在所述客户端显示所述可视化信息。
举例来说,当客户端用户需要显示“医疗机构等级”对应的目标关联指标的特定事件关联程度评分时,可以将各个医疗机构等级对应的特定事件关联程度评分按照饼状图的形式进行显示,该饼状图可以展示出不同的医疗机构等级的特定事件关联程度评分的占比;再例如,当客户端用户需要显示数据维度为“性别”,关联指标为“医院住院平均天数”的特定事件关联程度评分时,可以显示出不同性别时,医院住院平均天数对应的特定事件关联程度评分,该特定事件关联程度评分也可以以饼状图的样式显示,或者也可以以条形图的样式显示。
结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分可以具体包括:获取所述客户端的第三指令,其中,所述第三指令中包含每个所述目标关联指标的权重;根据所述目标关联指标对应的特定事件关联程度评分以及权重,计算所述特定事件的聚合评分,以在所述客户端进行显示。
服务端接收到第三指令后,通过解析第三指令可以获取第三指令中包含的用户为每个目标关联指标设置的权重。每个目标关联指标的权重可以不同,用户根据自己的需求可以对每个目标关联指标的权重值进行调整。通过第三指令对应的显示界面可以调整各个目标关联指标的权重,具体的,客户端可以显示一显示界面,在该显示界面中可以为每个目标关联指标输入权重,并且所有目标关联指标的权重之和为1,或者权重之和也可以为10、100等,本实施方式对此不做限定。
根据每个目标关联指标的风险值以及权重,进行加权求和运算可以得到特定事件的聚合评分。特定事件的聚合评分可以在客户端显示界面中进行显示,如图5所示,显示界面501中可以显示药品费用风险值 502、医院赔付金额风险值503、住院天数风险值504等三个目标风险指标各自的风险值,以及该特定事件对应的总的特定事件关联程度评分 505,506为特定事件中的样本对象的序号,用于对样本数据进行标识。
在示例性的实施方式中,计算特定事件关联程度评分时可以对目标关联指标的风险值进行无量纲化,例如对单个目标关联指标的分布概率作对数和标准变换得到单个目标关联指标的无量纲化的风险值,风险值的取值范围可以控制在1到100。举例而言,通过公式Rj(x)=100×max(log(P(x))-α,0)/(log(P(x))-α)max来对目标关联指标的分布概率进行变换,其中α为目标关联指标的分布数据中90%分位数,即在目标关联指标的分布数据中小于该α的样本占90%,P为特定事件中样本对象的目标关联指标的分布概率。通过该公式可以将P值转换值 0到100,计算得到的R为每个目标关联指标的风险值,该风险值可以衡量样本对象的离群程度,该值越大则样本对象的风险越大。样本对象的特定事件关联程度评分为单个目标关联指标的风险值R的加权和,可以通过公式来计算,其中,f(x)为特定事件关联程度评分,W为目标关联指标对应的权重。需要说明的是,本示例性实施方式中采用对数的方式对分布概率进行无量纲化,但在本公开的其他实施方式中,也可以通过自定义的函数方法将分布概率进行无量纲化,例如将分布概率归一化到0到1之间等,这也同样属于本公开的保护范围。
本公开的示例性实施方式还可以包括:在所述目标关联指标对应的特定事件关联程度评分超出所述目标关联指标对应的所述指标阈值时,对所述目标关联指标添加风险标签,以将所述风险标签在所述客户端进行显示。
如果样本对象中存在超出对应指标阈值的目标关联指标时,可以对该样本对象添加风险标签,每个目标关联指标可以对应不同的风险标签,如果样本对象的多个目标关联指标均超出各自对应的指标阈值,则可以为样本对象添加多个风险标签。例如,目标关联指标包括指标1、指标2、指标3,指标1的指标阈值为[1,10],指标2的指标阈值为 [2,10],指标3的指标阈值为[10,50],如果样本对象中上述三个目标关联指标的值分别为11,10,50.5,则该样本对象中存在两个目标关联指标超出其对应的指标阈值,即指标1、指标3,因而可以为该样本对象添加该指标1对应的风险标签,以及该指标3对应的风险标签。
此外,根据特定事件关联程度评分可以总的衡量特定事件中样本对象的风险,从而确定出一标识样本对象是否存在风险的风险标签。举例而言,该风险标签可以包括两种类型,一种是无风险,另一类型为有风险;如果某一样本对象的特定事件关联程度评分超出预设的阈值,则可以确定该样本对象存在风险,为样本对象添加“有风险”的风险标签;如果样本对象的特定事件关联程度评分未超出预设阈值,则可以确定样本对象不存在风险,为其添加“无风险”的风险标签。
本公开示例性实施方式还包括:根据所述显示请求中包含的显示数据项确定展示指标;将所述展示指标对应的特定事件的聚合评分生成图表信息。
具体的,根据事件信息数据库可以预先确定每个关联指标的分布数据,例如获得保险理赔案例中住院天数的分布,理赔金额的分布等,并将每个关联指标的分布数据进行保存。当客户端向服务端发送显示请求时,根据该显示请求中包含的显示数据项可以确定用户需要查看的展示指标,将该展示指标对应的特定事件的聚合评分进行合并,并按照指定的图表样式生成图表信息。并且,在合并时可以按照步骤S21中的数据维度进行合并,即,将第一指令中指定的数据维度的的聚合评分进行合并,将非指定的其他数据维度合并为另一部分,从而生成包含指定的数据维度以及非指定的数据维度的图表信息。例如,将特定事件中各个样本对象作为一个整体,将其对应的聚合评分合并至同一柱状图中进行展示。举例来说,数据维度可以为“女性”、“10~20岁”,显示数据项中的展示指标可以包括“住院天数”和“赔付金额”,则可以将住院天数和赔付金额这两个指标的所有维度的分布数据进行合并,从而得到整体数据。如图6所示,在显示界面600中,柱状图中6011表示的为展示指标在选出的数据维度下的数据,6012为展示指标在除该数据维度之外的其他维度下的数据;在饼状图中,6021为选择的数据维度, 6022为其他维度。并且,如果展示指标为多个时,不同的指标可以以不同的图表方式进行展示,如图6中,性别维度以柱状图展示,年龄维度以饼状图展示等。多个维度的分布数据可以体现出关联指标总体上的风险分布,本示例性实施方式将各个指标的多个维度下风险分布情况进行可视化展示,以便于用户能更加清楚、明确地了解到存在的风险情况,满足风险量化的需求。
在示例性的实施方式中,本公开提供的数据可视化方法还包括:获取所述用户端的第四指令,其中,所述第四指令中包含所述用户端选择的展示样式;将所述展示指标对应的特定事件的聚合评分生成所述展示样式对应的图表信息。
展示样式可以包括图表的类型、图表的颜色或者大小,也可以包括其他信息,例如图表显示的位置等,本实施方式不限于此。客户端可以提供针对第四指令的显示页面,客户端用户在该显示页面上可以选择展示样式,例如条形图、饼状图、折线图等;展示大小,例如大、中、小等,选择完成后可以将用户选择的类型打包成第一指令,发送至服务端。服务端可以根据用户选择的展示样式对图表信息进行设置,进而将符合用户需求的图表信息展示在客户端。本实施方式可以根据用户对于数据维度以及指标的需求对数据进行处理,并且还能够根据指定的显示样式生成可视化信息,大大满足了用户对于大量数据的浏览需求。
以下介绍本公开的装置实施例,可以用于执行本公开上述的数据可视化处理方法。参考图7,本公开实施例提供的数据可视化处理装置70 可以包括第一交互模块71、样本筛选模块72、第二交互模块73、指标数据确定模块74、评分计算模块75、数据可视化模块76以及结果展示模块77。
其中,第一交互模块71,用于获取客户端的第一指令,其中,所述第一指令中包含多个数据维度以及所述数据维度的数据范围;样本筛选模块72,用于根据所述数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据,其中,所述样本数据具有多个关联指标;第二交互模块73,用于获取所述客户端的第二指令,根据所述第二指令中包含的指标维度从多个关联指标中确定出目标关联指标;指标数据确定模块74,用于基于所述样本数据确定所述样本数据的各关联指标的分布数据;评分计算模块75,用于结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分;数据可视化模块76,用于接收所述客户端的显示请求,根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息;结果展示模块77,用于将所述可视化信息发送至所述客户端,在所述客户端显示所述可视化信息。
在本公开的示例性实施方式中,所述评分计算模块75具体可包括:阈值确定模块,用于利用所述事件信息数据库确定各所述关联指标的指标阈值;关联程度评分模块,用于结合所述指标阈值以及所述分布数据确定所述目标关联指标对应的特定事件关联程度评分。
在本公开的示例性实施方式中,所述评分计算模块75包括:分布数据获取模块,用于从所述关联指标的分布数据中获取所述目标关联指标对应的目标分布数据;分布概率计算模块,用于确定特定事件在所述目标分布数据中对应的分布概率,作为所述目标关联指标对应的特定事件关联程度评分。
在本公开的示例性实施方式中,所述装置70还包括:标签显示模块,用于在所述目标关联指标对应的特定事件关联程度评分超出所述目标关联指标对应的所述指标阈值时,对所述目标关联指标添加风险标签,以将所述风险标签在所述客户端进行显示。
在本公开的示例性实施方式中,所述评分计算模块75包括:第三交互模块,用于获取所述客户端的第三指令,其中,所述第三指令中包含每个所述目标关联指标的权重;评分聚合显示模块,用于根据所述目标关联指标对应的特定事件关联程度评分以及权重,计算所述特定事件的聚合评分,以在所述客户端进行显示。
在本公开的示例性实施方式中,所述数据可视化模块76包括:展示指标确定模块,用于根据所述显示请求中包含的显示数据项确定展示指标;图表信息生成模块,用于将所述展示指标对应的特定事件的聚合评分生成图表信息。
在本公开的示例性实施方式中,所述装置70还包括:第四交互模块,用于获取所述用户端的第四指令,其中,所述第四指令中包含所述用户端选择的展示样式;展示样式确定模块,用于将所述展示指标对应的特定事件的聚合评分生成所述展示样式对应的图表信息。
由于本公开的示例实施例的数据可视化处理装置的各个功能模块与上述数据可视化处理方法的示例实施例的步骤对应,因此对于本公开装置实施例中未披露的细节,请参照本公开上述的数据可视化处理方法的实施例。
下面参考图8,其示出了适于用来实现本公开实施例的电子设备的计算机系统800的结构示意图。图8示出的电子设备的计算机系统800 仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808 加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统操作所需的各种程序和数据。CPU 1201、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分 806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN 卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器 (ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的数据可视化处理方法。
例如,所述的电子设备可以实现如图2中所示的:步骤S21.获取客户端的第一指令,其中,所述第一指令中包含多个数据维度以及所述数据维度的数据范围;步骤S22.根据所述数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据,其中,所述样本数据具有多个关联指标;步骤S23.获取所述客户端的第二指令,根据所述第二指令中包含的指标维度从多个关联指标中确定出目标关联指标;步骤S24.基于所述样本数据确定所述样本数据的各关联指标的分布数据;步骤S25.结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分;步骤S26.接收所述客户端的显示请求,根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息;步骤S27.将所述可视化信息发送至所述客户端,在所述客户端显示所述可视化信息。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,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)
1.一种数据可视化处理方法,其特征在于,包括:
获取客户端的第一指令,其中,所述第一指令中包含多个数据维度以及所述数据维度的数据范围;
根据所述数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据,其中,所述样本数据具有多个关联指标;
获取所述客户端的第二指令,根据所述第二指令中包含的指标维度从多个关联指标中确定出目标关联指标;
基于所述样本数据确定所述样本数据的各关联指标的分布数据;
结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分;
接收所述客户端的显示请求,根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息;
将所述可视化信息发送至所述客户端,在所述客户端显示所述可视化信息。
2.根据所述权利要求1所述的方法,其特征在于,所述结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分包括:
利用所述事件信息数据库确定各所述关联指标的指标阈值;
结合所述指标阈值以及所述分布数据确定所述目标关联指标对应的特定事件关联程度评分。
3.根据权利要求1所述的方法,其特征在于,所述结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分包括:
从所述关联指标的分布数据中获取所述目标关联指标对应的目标分布数据;
确定特定事件在所述目标分布数据中对应的分布概率,以获得所述目标关联指标对应的特定事件关联程度评分。
4.根据权利要求2所述的方法,其特征在于,还包括:
在所述目标关联指标对应的特定事件关联程度评分超出所述目标关联指标对应的所述指标阈值时,对所述目标关联指标添加风险标签,以将所述风险标签在所述客户端进行显示。
5.根据权利要求1所述的方法,其特征在于,所述结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分包括:
获取所述客户端的第三指令,其中,所述第三指令中包含每个所述目标关联指标的权重;
根据所述目标关联指标对应的特定事件关联程度评分以及权重,计算所述特定事件的聚合评分,以在所述客户端进行显示。
6.根据权利要求5所述的方法,其特征在于,所述根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息包括:
根据所述显示请求中包含的显示数据项确定展示指标;
将所述展示指标对应的特定事件的聚合评分生成图表信息。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
获取所述客户端的第四指令,其中,所述第四指令中包含所述用户端选择的展示样式;
将所述展示指标对应的特定事件的聚合评分生成所述展示样式对应的图表信息。
8.一种数据可视化处理装置,其特征在于,包括:
第一交互模块,用于获取客户端的第一指令,其中,所述第一指令中包含多个数据维度以及所述数据维度的数据范围;
样本筛选模块,用于根据所述数据维度的数据范围从事件信息数据库中获取符合所述数据范围的样本数据,其中,所述样本数据具有多个关联指标;
第二交互模块,用于获取所述客户端的第二指令,根据所述第二指令中包含的指标维度从多个关联指标中确定出目标关联指标;
指标数据确定模块,用于基于所述样本数据确定所述样本数据的各关联指标的分布数据;
评分计算模块,用于结合所述关联指标的分布数据确定所述目标关联指标对应的特定事件关联程度评分;
数据可视化模块,用于接收所述客户端的显示请求,根据所述显示请求中包含的显示数据项对所述特定事件关联程度评分进行处理,生成可视化信息;
结果展示模块,用于将所述可视化信息发送至所述客户端,在所述客户端显示所述可视化信息。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的数据可视化处理方法。
10.一种计算机可读介质,其特征在于,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的数据可视化处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110429525.7A CN113254542B (zh) | 2021-04-21 | 2021-04-21 | 数据可视化处理方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110429525.7A CN113254542B (zh) | 2021-04-21 | 2021-04-21 | 数据可视化处理方法及装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113254542A true CN113254542A (zh) | 2021-08-13 |
CN113254542B CN113254542B (zh) | 2023-10-27 |
Family
ID=77221489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110429525.7A Active CN113254542B (zh) | 2021-04-21 | 2021-04-21 | 数据可视化处理方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113254542B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259213A (zh) * | 2020-01-07 | 2020-06-09 | 中国联合网络通信集团有限公司 | 数据可视化的处理方法及装置 |
CN115086692A (zh) * | 2021-11-25 | 2022-09-20 | 北京达佳互联信息技术有限公司 | 用户数据展示方法、设备、装置、存储介质及程序产品 |
CN115104874A (zh) * | 2022-07-26 | 2022-09-27 | 深圳市西昊智能家具有限公司 | 智能椅的控制方法、装置、计算机设备和存储介质 |
CN116028782A (zh) * | 2023-03-27 | 2023-04-28 | 佛山隆深机器人有限公司 | 一种燃料电池数据可视化系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007080015A (ja) * | 2005-09-15 | 2007-03-29 | Fuji Xerox Co Ltd | 情報提示装置及び情報提示方法、並びにコンピュータ・プログラム |
CN103426121A (zh) * | 2013-04-28 | 2013-12-04 | 中国南方电网有限责任公司 | 一种电网运行评估指标无量纲化的计算方法 |
CN109711627A (zh) * | 2018-12-28 | 2019-05-03 | 大庆市嘉华科技有限公司 | 一种数据处理方法及装置 |
CN109783495A (zh) * | 2019-01-11 | 2019-05-21 | 华青融天(北京)软件股份有限公司 | 一种多维度数据处理方法、装置及计算机设备 |
CN110888974A (zh) * | 2019-11-28 | 2020-03-17 | 苏州思必驰信息科技有限公司 | 数据可视化方法及装置 |
CN110968624A (zh) * | 2019-11-29 | 2020-04-07 | 青海省动物疫病预防控制中心 | 一种动物疫病监测数据统计分析地理信息系统及实现方法 |
CN110990639A (zh) * | 2019-10-29 | 2020-04-10 | 华中师范大学 | 一种教育信息化水平趋势分析的数据处理方法及装置 |
WO2020114110A1 (zh) * | 2018-12-04 | 2020-06-11 | 阿里巴巴集团控股有限公司 | 商户风险防控方法及装置 |
CN112532625A (zh) * | 2020-11-27 | 2021-03-19 | 杭州安恒信息安全技术有限公司 | 网络态势感知评估数据更新方法、装置及可读存储介质 |
-
2021
- 2021-04-21 CN CN202110429525.7A patent/CN113254542B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007080015A (ja) * | 2005-09-15 | 2007-03-29 | Fuji Xerox Co Ltd | 情報提示装置及び情報提示方法、並びにコンピュータ・プログラム |
CN103426121A (zh) * | 2013-04-28 | 2013-12-04 | 中国南方电网有限责任公司 | 一种电网运行评估指标无量纲化的计算方法 |
WO2020114110A1 (zh) * | 2018-12-04 | 2020-06-11 | 阿里巴巴集团控股有限公司 | 商户风险防控方法及装置 |
CN109711627A (zh) * | 2018-12-28 | 2019-05-03 | 大庆市嘉华科技有限公司 | 一种数据处理方法及装置 |
CN109783495A (zh) * | 2019-01-11 | 2019-05-21 | 华青融天(北京)软件股份有限公司 | 一种多维度数据处理方法、装置及计算机设备 |
CN110990639A (zh) * | 2019-10-29 | 2020-04-10 | 华中师范大学 | 一种教育信息化水平趋势分析的数据处理方法及装置 |
CN110888974A (zh) * | 2019-11-28 | 2020-03-17 | 苏州思必驰信息科技有限公司 | 数据可视化方法及装置 |
CN110968624A (zh) * | 2019-11-29 | 2020-04-07 | 青海省动物疫病预防控制中心 | 一种动物疫病监测数据统计分析地理信息系统及实现方法 |
CN112532625A (zh) * | 2020-11-27 | 2021-03-19 | 杭州安恒信息安全技术有限公司 | 网络态势感知评估数据更新方法、装置及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
贺绍鹏;李屹;邹兰青;: "大数据环境下供应商评价设计与分析", 物流技术, no. 02, pages 103 - 107 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259213A (zh) * | 2020-01-07 | 2020-06-09 | 中国联合网络通信集团有限公司 | 数据可视化的处理方法及装置 |
CN115086692A (zh) * | 2021-11-25 | 2022-09-20 | 北京达佳互联信息技术有限公司 | 用户数据展示方法、设备、装置、存储介质及程序产品 |
CN115104874A (zh) * | 2022-07-26 | 2022-09-27 | 深圳市西昊智能家具有限公司 | 智能椅的控制方法、装置、计算机设备和存储介质 |
CN116028782A (zh) * | 2023-03-27 | 2023-04-28 | 佛山隆深机器人有限公司 | 一种燃料电池数据可视化系统及方法 |
CN116028782B (zh) * | 2023-03-27 | 2023-08-01 | 佛山隆深机器人有限公司 | 一种燃料电池数据可视化系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113254542B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10109017B2 (en) | Web data scraping, tokenization, and classification system and method | |
CN113254542B (zh) | 数据可视化处理方法及装置、电子设备 | |
US9830663B2 (en) | System and method for determination of insurance classification and underwriting determination for entities | |
US9836795B2 (en) | Computerized system and method for pre-filling of insurance data using third party sources | |
Lachanski et al. | Shy of the character limit:" Twitter mood predicts the stock market" revisited | |
CN112016788A (zh) | 风险控制策略生成及风险控制方法、装置和电子设备 | |
CN111523678A (zh) | 业务的处理方法、装置、设备及存储介质 | |
US11195135B2 (en) | Systems and methods for ranking entities | |
Amariles et al. | Legal indicators in transnational law practice: a methodological assessment | |
CN114303140A (zh) | 与产品和服务相关的知识产权数据分析 | |
CN115204881A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
CN115620886B (zh) | 一种数据审核方法和装置 | |
CN115048487A (zh) | 基于人工智能的舆情分析方法、装置、计算机设备及介质 | |
US20210342870A1 (en) | Source code trading system using ai | |
JP2020013229A (ja) | 債務不履行確率を算出する装置、方法及びそのためのプログラム | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
Green | Big data analysis in financial markets | |
CN111882339A (zh) | 预测模型训练及响应率预测方法、装置、设备及存储介质 | |
CN111210110A (zh) | 基于压力测试生成预防策略的方法、装置和电子设备 | |
JP7297042B2 (ja) | 記事生成システム、記事生成装置、記事生成方法、及びコンピュータプログラム | |
US20210125276A1 (en) | Display Method, Information Apparatus and Computer Readable Medium | |
US20220318327A1 (en) | Ranking similar users based on values and personal journeys | |
US20210125115A1 (en) | Analysis Method, Analysis Apparatus, and Computer Readable Medium | |
US20220261575A1 (en) | Prediction device, prediction method, prediction program |
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 |