CN113360552A - 一种基于数据敏感等级的多维度图形化展示研究方法 - Google Patents
一种基于数据敏感等级的多维度图形化展示研究方法 Download PDFInfo
- Publication number
- CN113360552A CN113360552A CN202110620804.1A CN202110620804A CN113360552A CN 113360552 A CN113360552 A CN 113360552A CN 202110620804 A CN202110620804 A CN 202110620804A CN 113360552 A CN113360552 A CN 113360552A
- Authority
- CN
- China
- Prior art keywords
- data
- sensitivity
- exploration
- multidimensional
- model
- 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
- 230000035945 sensitivity Effects 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011160 research Methods 0.000 title claims abstract description 15
- 238000013499 data model Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000013079 data visualisation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于数据敏感等级的多维度图形化展示研究方法,该基于数据敏感等级的多维度图形化展示研究方法,包括以下步骤:根据数据库建立多维数据模型和多维数据展示平台;针对各个维度、各个属性进行多维数据模型进行探索;在进行数据探索时,对探索操作的记录进行数据查询和分析;对探索获得的数据进行解析,并同时进行格式转换;将数据整合,形成数据集传送信息到多维数据模型和多维数据展示平台,并进行整合数据信息展示;有益效果为:对同一敏感属性的不同属性值按照敏感程度进行分级,结合各敏感属性值在数据集中出现的频率,对所有敏感属性值的敏感程度进行量化,线实现多维数据跟数据看板的实时更新。
Description
技术领域
本发明涉及基于数据敏感等级的多维度图形化展示研究方法领域,具体来说,涉及一种基于数据敏感等级的多维度图形化展示研究方法。
背景技术
由于科学技术的不断更新发展,生活社会中各行各业的数据信息不断增多提高;互联网的社会化普及和信息化程度的发展使得社会进入信息大爆炸时代。海量的数据引发了越来越多的数据的组织问题以及整体管理和可视化等问题。所以人们往往希望将海量数据以更为直观的方式呈现出来,这就有了数据的可视化技术。数据可视化技术已经成为数据分析的重要手段,它能够以图形化的方式从不同的维度上展示数据的内在联系。
数据可视化是在充分了解、分析数据的基础上进行的图形化映射,它是对于现实世界的一种抽象表达。它将枯燥、繁杂的数据展示成为直观可见的图形、颜色、动画等,随着科学技术的不断发展,数据可视化逐渐演化成为今天一门重要的学科,对于人类社会起到了重要作用。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于数据敏感等级的多维度图形化展示研究方法,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种基于数据敏感等级的多维度图形化展示研究方法,该基于数据敏感等级的多维度图形化展示研究方法,包括以下步骤:
根据数据库建立多维数据模型和多维数据展示平台;
针对各个维度、各个属性进行多维数据模型进行探索;
在进行数据探索时,对探索操作的记录进行数据查询和分析;
对探索获得的数据进行解析,并同时进行格式转换;
将数据整合,形成数据集传送信息到多维数据模型和多维数据展示平台,并进行整合数据信息展示;
在展示的过程中,对数据进行分析,并进行敏感等级划分,将数据集中出现的频率参与量化其敏感度,将预划分的敏感度级别对应的敏感度称为“分级敏感度”分量;
对划分出的敏感度分级进行不断改进分级敏感度权重分配,并再次进行划分;
在划分基础上建立基于敏感级别的数据模型,并在后续基于模型进行操作;
针对用户兴趣范围进行探索优化,通过条件过滤分析出优先级最高的探索操作;
优化出优先级最高的几个探索条件,以不同的敏感等级对数据进行整合;
构建阅读器,以可视的形式展示,让用户选择。
进一步的,对于敏感等级改进分级敏感度权重分配方法,包括以下流程:
设存在分类型敏感属性S,对所有敏感属性值依据其敏感程度进行分级S1,S2,S3...Sm;
设某敏感属性M的属性值按照敏感程度共分为m级(S1,S2,S3,…,Sm),其中第1级的敏感程度最高;
将敏感属性设定参照,并进行等级划分;
将敏感属性分为不同的类型,并同时设定具有参照性的敏感度;
将不同类型的敏感度分量进行加权,同时对敏感度进行属性值进行计算;
在计算后对数据进行整合,并传送至多为数据模型以及基于敏感度基础的新建数据模型中;
设定为平均敏感度后,将预划分的敏感度级别分级敏感度和频率敏感度,并对两种敏感度分量进行加权。
进一步的,对于条件过滤的维度降解方法来实现数据探索的过程:
通过数据库中敏感度的属性值和等级进行约束和进行条件筛选,选择满足基于敏感度基础模型,并适配要求的数据集;
不断进行数据探索、查询和分析的操作,逐渐缩小用户关注范围,并不断进行条件过滤;
将探索过程进行记录、统计,并分析出具有足够优先级的探索操作和探索条件;
将探索操作通过数据模型可视化,并对用户展示选择。
进一步的,对于基于数据模型探索的多维数据的数据展示方式流程:
探索过程中,将用户关注的变量范围由原来的N个变量减少成了N-2个,减少了用户关注的维度数;
将用户输入数据和探索的多为数据整合到数据模型中;
对数据进行查询、分析,并对数据进行格式转换,并形成可视化定义预设;
将数据进行展示方式定位、坐标定义,并根据不同类型进行数据转换,分类输出;
将分类数据转换为可视化信息,输出至展示工具,并根据用户选择进行不同的可视化展示;
可进行饼状图、柱状图、曲线图等多种图形展示,也是进行自定义展示。
进一步的,对于上述探索中不断实现探索优化的步骤:
记录搜索操作和记录搜索条件,形成整合信息;
对整合信息进行分析统计,并分别统计探索频率、设置探索优先级和统计优先范围,得出结果后,将总结;
将总结的信息输出,并进行根据不同类型操作,分别进行探索操作、预置几点和提供优先操作。
进一步的,对于上述平均敏感度和分级敏感度,平均敏感度=等价类中所有元组的敏感度权重之和/等价类元组个数,分级敏感度的取值方式与(p,α)-sensitive k-anonymity相反,即敏感程度越高,对应的敏感度取值越大。
进一步的,上述基于敏感等级的数据模型为(w,l,k)-anonymity匿名模型,其要求为:满足k-anonymity;每个等价类的敏感属性至少有l个不同的敏感值,其中,每个等价类的平均敏感度不超过w。
进一步的,对于上述基于敏感等级的数据模型,分为数据整合模块、数据输出模块、查询条件模块、过滤条件模块和绑定模块,其中所述绑定模块绑定所述数据模型的输出端与前端组件的输入端。
本发明的有益效果为:对同一敏感属性的不同属性值按照敏感程度进行分级,结合各敏感属性值在数据集中出现的频率,对所有敏感属性值的敏感程度进行量化,并在此基础上对匿名数据集中所有等价类的整体敏感度进行约束,以进一步降低敏感属性披露风险,使用户不但能后使用传统的展示工具对数据进行分析展示,还能使用这种工具方便快捷的分析、查看数据,线体图是利用三维的方式实现的一种多维数据展示工具,该工具借鉴了二维的一种聚类分析方式,将各个坐标轴变换并对应到三维空间中,每个坐标轴代表一个属性维度,有助于在复杂且成千上万的数据集中,更有效的实现数据图表的协同更新。首先,通过Kylin插件为数据集定义数据模型并构建Cube立方体,将划分的维度与度量进行聚合运算,最后将用户构建的多维Cube立方体存储到HBase中,等待分析使用。其次,针对多维数据,为了避免对Cube的全量计算,运用Kylin实现Cube的增量计算和存储,从而增加实时查询多维数据的速度。最终,采用Echarts技术对多维数据进行可视化分析,提供多种智能图表,从不同角度挖掘多维数据的价值,进行数据整合如附图1。当检测到数据发生变化,会运用WebSocket进行实时推送,实现多维数据跟数据看板的实时更新。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。
图1是根据本发明实施例的一种基于数据敏感等级的多维度图形化展示研究方法的步骤流程图之一;
图2是根据本发明实施例的一种基于数据敏感等级的多维度图形化展示研究方法的步骤流程图之二。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种基于数据敏感等级的多维度图形化展示研究方法。
如图1-2所示,根据本发明实施例的基于数据敏感等级的多维度图形化展示研究方法,该基于数据敏感等级的多维度图形化展示研究方法,包括以下步骤:
步骤S101:根据数据库建立多维数据模型和多维数据展示平台;
步骤S103:针对各个维度、各个属性进行多维数据模型进行探索;
步骤S105:在进行数据探索时,对探索操作的记录进行数据查询和分析;
步骤S107:对探索获得的数据进行解析,并同时进行格式转换;
步骤S109:将数据整合,形成数据集传送信息到多维数据模型和多维数据展示平台,并进行整合数据信息展示;
步骤S111:在展示的过程中,对数据进行分析,并进行敏感等级划分,将数据集中出现的频率参与量化其敏感度,将预划分的敏感度级别对应的敏感度称为“分级敏感度”分量;
步骤S113:对划分出的敏感度分级进行不断改进分级敏感度权重分配,并再次进行划分;
步骤S115:在划分基础上建立基于敏感级别的数据模型,并在后续基于模型进行操作;
步骤S117:针对用户兴趣范围进行探索优化,通过条件过滤分析出优先级最高的探索操作;
步骤S119:优化出优先级最高的几个探索条件,以不同的敏感等级对数据进行整合;
步骤S121:构建阅读器,以可视的形式展示,让用户选择。
在一个实施例中,对于敏感等级改进分级敏感度权重分配方法,包括以下流程:
步骤S201:设存在分类型敏感属性S,对所有敏感属性值依据其敏感程度进行分级S1,S2,S3...Sm;
步骤S203:设某敏感属性M的属性值按照敏感程度共分为m级(S1,S2,S3,…,Sm),其中第1级的敏感程度最高;
步骤S205:将敏感属性设定参照,并进行等级划分;
步骤S207:将敏感属性分为不同的类型,并同时设定具有参照性的敏感度;
步骤S209:将不同类型的敏感度分量进行加权,同时对敏感度进行属性值进行计算;
步骤S211:在计算后对数据进行整合,并传送至多为数据模型以及基于敏感度基础的新建数据模型中;
步骤S213:设定为平均敏感度后,将预划分的敏感度级别分级敏感度和频率敏感度,并对两种敏感度分量进行加权。
在一个实施例中,对于条件过滤的维度降解方法来实现数据探索的过程:
步骤S301:通过数据库中敏感度的属性值和等级进行约束和进行条件筛选,选择满足基于敏感度基础模型,并适配要求的数据集;
步骤S303:不断进行数据探索、查询和分析的操作,逐渐缩小用户关注范围,并不断进行条件过滤;
步骤S305:将探索过程进行记录、统计,并分析出具有足够优先级的探索操作和探索条件;
步骤S307:将探索操作通过数据模型可视化,并对用户展示选择。
在一个实施例中,对于基于数据模型探索的多维数据的数据展示方式流程:
步骤S401:探索过程中,将用户关注的变量范围由原来的N个变量减少成了N-2个,减少了用户关注的维度数;
步骤S403:将用户输入数据和探索的多为数据整合到数据模型中;
步骤S405:对数据进行查询、分析,并对数据进行格式转换,并形成可视化定义预设;
步骤S407:将数据进行展示方式定位、坐标定义,并根据不同类型进行数据转换,分类输出;
步骤S409:将分类数据转换为可视化信息,输出至展示工具,并根据用户选择进行不同的可视化展示;
步骤S411:可进行饼状图、柱状图、曲线图等多种图形展示,也是进行自定义展示。
在一个实施例中,对于上述探索中不断实现探索优化的步骤:
步骤S501:记录搜索操作和记录搜索条件,形成整合信息;
步骤S503:对整合信息进行分析统计,并分别统计探索频率、设置探索优先级和统计优先范围,得出结果后,将总结;
步骤S505:将总结的信息输出,并进行根据不同类型操作,分别进行探索操作、预置几点和提供优先操作。
步骤S507:在一个实施例中,对于上述平均敏感度和分级敏感度,平均敏感度=等价类中所有元组的敏感度权重之和/等价类元组个数,分级敏感度的取值方式与(p,α)-sensitive k-anonymity相反,即敏感程度越高,对应的敏感度取值越大。
在一个实施例中,上述基于敏感等级的数据模型为(w,l,k)-anonymity匿名模型,其要求为:满足k-anonymity;每个等价类的敏感属性至少有l个不同的敏感值,其中,每个等价类的平均敏感度不超过w。
在一个实施例中,对于上述基于敏感等级的数据模型,分为数据整合模块、数据输出模块、查询条件模块、过滤条件模块和绑定模块,其中所述绑定模块绑定所述数据模型的输出端与前端组件的输入端。
综上所述,借助于本发明的上述技术方案,对同一敏感属性的不同属性值按照敏感程度进行分级,结合各敏感属性值在数据集中出现的频率,对所有敏感属性值的敏感程度进行量化,并在此基础上对匿名数据集中所有等价类的整体敏感度进行约束,以进一步降低敏感属性披露风险,使用户不但能后使用传统的展示工具对数据进行分析展示,还能使用这种工具方便快捷的分析、查看数据,线体图是利用三维的方式实现的一种多维数据展示工具,该工具借鉴了二维的一种聚类分析方式,将各个坐标轴变换并对应到三维空间中,每个坐标轴代表一个属性维度,有助于在复杂且成千上万的数据集中,更有效的实现数据图表的协同更新。首先,通过Kylin插件为数据集定义数据模型并构建Cube立方体,将划分的维度与度量进行聚合运算,最后将用户构建的多维Cube立方体存储到HBase中,等待分析使用。其次,针对多维数据,为了避免对Cube的全量计算,运用Kylin实现Cube的增量计算和存储,从而增加实时查询多维数据的速度。最终,采用Echarts技术对多维数据进行可视化分析,提供多种智能图表,从不同角度挖掘多维数据的价值,进行数据整合如附图1。当检测到数据发生变化,会运用WebSocket进行实时推送,实现多维数据跟数据看板的实时更新。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于数据敏感等级的多维度图形化展示研究方法,其特征在于,该基于数据敏感等级的多维度图形化展示研究方法,包括以下步骤:
根据数据库建立多维数据模型和多维数据展示平台;
针对各个维度、各个属性进行多维数据模型进行探索;
在进行数据探索时,对探索操作的记录进行数据查询和分析;
对探索获得的数据进行解析,并同时进行格式转换;
将数据整合,形成数据集传送信息到多维数据模型和多维数据展示平台,并进行整合数据信息展示;
在展示的过程中,对数据进行分析,并进行敏感等级划分,将数据集中出现的频率参与量化其敏感度,将预划分的敏感度级别对应的敏感度称为“分级敏感度”分量;
对划分出的敏感度分级进行不断改进分级敏感度权重分配,并再次进行划分;
在划分基础上建立基于敏感级别的数据模型,并在后续基于模型进行操作;
针对用户兴趣范围进行探索优化,通过条件过滤分析出优先级最高的探索操作;
优化出优先级最高的几个探索条件,以不同的敏感等级对数据进行整合;
构建阅读器,以可视的形式展示,让用户选择。
2.根据权利要求1所述的一种基于数据敏感等级的多维度图形化展示研究方法,其特征在于,对于敏感等级改进分级敏感度权重分配方法,包括以下流程:
设存在分类型敏感属性S,对所有敏感属性值依据其敏感程度进行分级S1,S2,S3...Sm;
设某敏感属性M的属性值按照敏感程度共分为m级(S1,S2,S3,…,Sm),其中第1级的敏感程度最高;
将敏感属性设定参照,并进行等级划分;
将敏感属性分为不同的类型,并同时设定具有参照性的敏感度;
将不同类型的敏感度分量进行加权,同时对敏感度进行属性值进行计算;
在计算后对数据进行整合,并传送至多为数据模型以及基于敏感度基础的新建数据模型中;
设定为平均敏感度后,将预划分的敏感度级别分级敏感度和频率敏感度,并对两种敏感度分量进行加权。
3.根据权利要求1所述的一种基于数据敏感等级的多维度图形化展示研究方法,其特征在于,对于条件过滤的维度降解方法来实现数据探索的过程:
通过数据库中敏感度的属性值和等级进行约束和进行条件筛选,选择满足基于敏感度基础模型,并适配要求的数据集;
不断进行数据探索、查询和分析的操作,逐渐缩小用户关注范围,并不断进行条件过滤;
将探索过程进行记录、统计,并分析出具有足够优先级的探索操作和探索条件;
将探索操作通过数据模型可视化,并对用户展示选择。
4.根据权利要求3所述的一种基于数据敏感等级的多维度图形化展示研究方法,其特征在于,对于基于数据模型探索的多维数据的数据展示方式流程:
探索过程中,将用户关注的变量范围由原来的N个变量减少成了N-2个,减少了用户关注的维度数;
将用户输入数据和探索的多为数据整合到数据模型中;
对数据进行查询、分析,并对数据进行格式转换,并形成可视化定义预设;
将数据进行展示方式定位、坐标定义,并根据不同类型进行数据转换,分类输出;
将分类数据转换为可视化信息,输出至展示工具,并根据用户选择进行不同的可视化展示;
可进行饼状图、柱状图、曲线图等多种图形展示,也是进行自定义展示。
5.根据权利要求2所述的一种基于数据敏感等级的多维度图形化展示研究方法,其特征在于,对于上述探索中不断实现探索优化的步骤:
记录搜索操作和记录搜索条件,形成整合信息;
对整合信息进行分析统计,并分别统计探索频率、设置探索优先级和统计优先范围,得出结果后,将总结;
将总结的信息输出,并进行根据不同类型操作,分别进行探索操作、预置几点和提供优先操作。
6.根据权利要求2所述的一种基于数据敏感等级的多维度图形化展示研究方法,其特征在于,对于上述平均敏感度和分级敏感度,平均敏感度=等价类中所有元组的敏感度权重之和/等价类元组个数,分级敏感度的取值方式与(p,α)-sensitive k-anonymity相反,即敏感程度越高,对应的敏感度取值越大。
7.根据权利要求2所述的一种基于数据敏感等级的多维度图形化展示研究方法,其特征在于,上述基于敏感等级的数据模型为(w,l,k)-anonymity匿名模型,其要求为:满足k-anonymity;每个等价类的敏感属性至少有l个不同的敏感值,其中,每个等价类的平均敏感度不超过w。
8.根据权利要求7所述的一种基于数据敏感等级的多维度图形化展示研究方法,其特征在于,对于上述基于敏感等级的数据模型,分为数据整合模块、数据输出模块、查询条件模块、过滤条件模块和绑定模块,其中所述绑定模块绑定所述数据模型的输出端与前端组件的输入端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110620804.1A CN113360552A (zh) | 2021-06-03 | 2021-06-03 | 一种基于数据敏感等级的多维度图形化展示研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110620804.1A CN113360552A (zh) | 2021-06-03 | 2021-06-03 | 一种基于数据敏感等级的多维度图形化展示研究方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113360552A true CN113360552A (zh) | 2021-09-07 |
Family
ID=77531970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110620804.1A Pending CN113360552A (zh) | 2021-06-03 | 2021-06-03 | 一种基于数据敏感等级的多维度图形化展示研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360552A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017187207A1 (en) * | 2016-04-29 | 2017-11-02 | Privitar Limited | Computer-implemented privacy engineering system and method |
CN108460087A (zh) * | 2018-01-22 | 2018-08-28 | 北京邮电大学 | 探索式高维数据可视化装置及方法 |
CN111241581A (zh) * | 2020-01-09 | 2020-06-05 | 山东师范大学 | 基于敏感度分层的多敏感属性隐私保护方法及系统 |
CN112632612A (zh) * | 2020-12-28 | 2021-04-09 | 南京邮电大学 | 一种医疗数据发布匿名化方法 |
-
2021
- 2021-06-03 CN CN202110620804.1A patent/CN113360552A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017187207A1 (en) * | 2016-04-29 | 2017-11-02 | Privitar Limited | Computer-implemented privacy engineering system and method |
CN108460087A (zh) * | 2018-01-22 | 2018-08-28 | 北京邮电大学 | 探索式高维数据可视化装置及方法 |
CN111241581A (zh) * | 2020-01-09 | 2020-06-05 | 山东师范大学 | 基于敏感度分层的多敏感属性隐私保护方法及系统 |
CN112632612A (zh) * | 2020-12-28 | 2021-04-09 | 南京邮电大学 | 一种医疗数据发布匿名化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8280880B1 (en) | Filter chains with associated views for exploring large data sets | |
KR101169096B1 (ko) | 데이터를 도표로 나타내기 위해 액세스하고 배열하는 방법및 시스템 | |
US8024666B2 (en) | Apparatus and method for visualizing data | |
US7966322B2 (en) | Computer-implemented system and method for visualizing OLAP and multidimensional data in a calendar format | |
CN108038222B (zh) | 用于信息系统建模和数据访问的实体-属性框架的系统 | |
CN107193967A (zh) | 一种多源异构行业领域大数据处理全链路解决方案 | |
US20230401227A1 (en) | Interactive data exploration | |
EP3869357A1 (en) | System and method for interactive discovery of inter-data set relationships | |
US11093473B2 (en) | Hierarchical tree data structures and uses thereof | |
US11442915B2 (en) | Methods and systems for extracting and visualizing patterns in large-scale data sets | |
Boulil et al. | Multidimensional modeling and analysis of large and complex watercourse data: an OLAP-based solution | |
Haining et al. | Designing and implementing software for spatial statistical analysis in a GIS environment | |
US20160140190A1 (en) | Data representation | |
CN116611546B (zh) | 基于知识图谱的目标研究区域滑坡预测方法及系统 | |
US20110004582A1 (en) | Method of constructing the intelligent computer systems based on information reasoning | |
CN110968676A (zh) | 基于lda模型与lstm网络的文本数据语义时空模式探索方法 | |
CN113360552A (zh) | 一种基于数据敏感等级的多维度图形化展示研究方法 | |
CN110489732A (zh) | 报表数据处理方法及设备 | |
US20180322435A1 (en) | Performance & predictive dimensions for business intelligence data | |
US20130159831A1 (en) | Converting reports between disparate report formats | |
CN118069791B (zh) | 一种电子档案智能检索方法及系统 | |
CN117828538B (zh) | 基于权重分配的多源信息综合分析方法及系统 | |
Kaptein et al. | A first look at data | |
US20230222712A1 (en) | Modifying data visualizations to permit improved display of clustered data points | |
Mulyukova et al. | Big data analysis for studying spatiotemporal trends in the sustainable development of large cities |
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 |
Application publication date: 20210907 |
|
RJ01 | Rejection of invention patent application after publication |