CN113468354A - 推荐图表的方法、装置、电子设备及计算机可读介质 - Google Patents

推荐图表的方法、装置、电子设备及计算机可读介质 Download PDF

Info

Publication number
CN113468354A
CN113468354A CN202110837381.9A CN202110837381A CN113468354A CN 113468354 A CN113468354 A CN 113468354A CN 202110837381 A CN202110837381 A CN 202110837381A CN 113468354 A CN113468354 A CN 113468354A
Authority
CN
China
Prior art keywords
chart
user
recommendation
feedback information
recommended
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
CN202110837381.9A
Other languages
English (en)
Inventor
张良
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.)
CCB Finetech Co Ltd
Original Assignee
CCB Finetech 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 CCB Finetech Co Ltd filed Critical CCB Finetech Co Ltd
Priority to CN202110837381.9A priority Critical patent/CN113468354A/zh
Publication of CN113468354A publication Critical patent/CN113468354A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种推荐图表的方法、装置、电子设备及计算机可读介质，涉及人工智能技术领域。其中，推荐可视化图表的方法包括：获取用户待可视化的数据集；根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端；在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。通过以上步骤，能够提高可视化图表的推荐效果，提高图表推荐服务的用户体验。

Description

推荐图表的方法、装置、电子设备及计算机可读介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种推荐图表的方法、装置、电子设备及计算机可读介质。
背景技术
数据已成为新时代的“石油”。由于数据中蕴藏的信息往往具有隐蔽性，这就需要借助科学、高效的可视化图表来实现数据的可视化分析，以洞察数据中蕴藏的信息，发现数据的价值。
在现有技术中，大多可视化图表主要通过个性化定制的方式生成。在个性化定制的可视化图表设计中，普遍存在以下问题：1，可视化图表的设计周期过长，往往需要经历一个或多个可视化图表设计迭代周期；2，可视化图表设计的沟通与实现成本高，需要终端用户将需求传递至分析人员，再由分析人员传递到设计师与开发者，其中不可避免的会出现信息的误解与损耗；3，可视化图表设计对设计者的可视化设计能力、专业知识、审美能力等方面的要求很高；4、设计的可视化图表与用户自身分析水平不匹配，进而导致当前大量数据以用户难以理解的方式被可视化的展现。综合上述情况，最终造成了当前在通讯、社交、游戏、电商、金融、新零售、云计算等数据密集型行业中，大量数据长期无法被可视化的分析，或以用户难以理解的方式被可视化的展现。
为了解决可视化图表设计中的痛点问题，现有技术中出现了基于人工智能的可视化图表推荐方案。在实现本发明的过程中，本发明的发明人发现：目前可视化图表的智能推荐技术完全聚焦于图表与数据匹配度的计算，而忽视了用户对于可视化图表的各类倾向性需求，造成自动化推荐的图表仍然存在用户难以理解、客户接受度不高、推荐结果千篇一律难以满足个性化的可视化分析需求等缺点。
发明内容
有鉴于此，本发明提供了一种推荐图表的方法、装置、电子设备及计算机可读介质，能够有效提高图表的推荐效果。
为实现上述目的，根据本发明的第一个方面，提供了一种推荐可视化图表的方法。
本发明的推荐可视化图表的方法包括：获取用户待可视化的数据集；根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端；在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。
可选地，根据所述待可视化的数据集确定图表推荐结果包括：对所述待可视化的数据集进行特征提取；计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；将匹配度大于或等于预设匹配度阈值的图表作为待推荐的图表，或者，将匹配度最大的前N个图表作为待推荐的图表；其中，N为大于或等于1的整数。
可选地，根据所述待可视化的数据集确定图表推荐结果包括：对所述待可视化的数据集进行特征提取；计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；将匹配度大于或等于预设匹配度阈值的图表作为候选推荐图表，或者，将匹配度最大的前M个图表作为候选推荐图表；从标签库中获取所述用户进行可视化分析的偏好标签数据；根据所述用户进行可视化分析的偏好标签数据从所述候选推荐图表中筛选出待推荐的图表；其中，M为大于1的整数。
可选地，所述根据所述用户进行可视化分析的偏好标签数据从所述候选推荐图表中筛选出待推荐的图表包括：确定候选推荐图表所关联的所述用户进行可视化分析的偏好标签、以及偏好标签的权重，对所述候选推荐图表所关联的偏好标签的权重进行累加求和，以得到用户对所述候选推荐图表的偏好度；将偏好度大于或等于预设偏好度阈值的候选推荐图表作为待推荐的图表，或者，将偏好度最大的前N个候选推荐图表作为待推荐的图表；其中，N为大于或等于1的整数。
可选地，所述根据所述反馈信息调整图表推荐结果包括：根据所述反馈信息确定偏好标签调整范围和权重调整方式；在所述偏好标签调整范围内按照所述权重调整方式对偏好标签的权重进行调整；根据调整后的偏好标签的权重计算用户对所述候选推荐图表的偏好度；根据所述用户对所述候选推荐图表的偏好度重新确定待推荐的图表。
可选地，所述方法还包括：在所述根据所述反馈信息确定偏好标签调整范围和权重调整方式之前，确认所述反馈信息为对推荐的图表类型不满意的反馈信息。
可选地，所述根据所述反馈信息调整图表推荐结果还包括：在所述反馈信息为对推荐的图表的呈现方式不满意的反馈信息时，对图表的呈现方式进行调整。
可选地，所述根据所述反馈信息调整图表推荐结果还包括：在所述反馈信息为对推荐的图表所使用的数据集不满意的反馈信息时，对图表所使用的数据集进行调整。
可选地，所述方法还包括：构建图表知识库；其中，所述图表知识库包括以下一种或多种图表的特征：图表大类、图形定义、图表血缘、图表变种谱系、图表适用于的分析目的、坐标系、形状、视觉通道、图表数据要求。
为实现上述目的，根据本发明的第二个方面，提供了另一种推荐可视化图表的方法。
本发明的推荐可视化图表的方法包括：在检测到用户请求进行图表推荐的页面操作后，向服务端发送图表推荐请求；在接收到所述服务端发送的图表推荐结果后，根据所述图表推荐结果对此次推荐的图表进行展示；收集用户针对所述图表推荐结果的反馈信息，并将所述反馈信息发送至服务端；在接收到所述服务端发送的调整后的图表推荐结果后，根据所述调整后的图表推荐结果对此次推荐的图表进行展示；其中，所述调整后的图表推荐结果是服务端根据所述反馈信息对图表推荐结果进行调整得到的。
可选地，所述图表推荐请求包括用户待可视化的数据集的标识；其中，所述服务端在接收到图表推荐请求后，根据所述标识获取用户待可视化的数据集，并根据所述待可视化的数据集确定图表推荐结果。
为实现上述目的，根据本发明的第三个方面，提供了一种推荐可视化图表的装置。
本发明的推荐可视化图表的装置包括：获取模块，用于获取用户待可视化的数据集；确定模块，用于根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端；调整模块，用于在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。
为实现上述目的，根据本发明的第四个方面，提供了一种推荐可视化图表的装置。
本发明的推荐可视化图表的装置包括：请求模块，用于在检测到用户请求进行图表推荐的页面操作后，向服务端发送图表推荐请求；第一展示模块，用于在接收到所述服务端发送的图表推荐结果后，根据所述图表推荐结果对此次推荐的图表进行展示；反馈收集模块，用于收集用户针对所述图表推荐结果的反馈信息，并将所述反馈信息发送至服务端；第二展示模块，用于在接收到所述服务端发送的调整后的图表推荐结果后，根据所述调整后的图表推荐结果对此次推荐的图表进行展示；其中，所述调整后的图表推荐结果是服务端根据所述反馈信息对图表推荐结果进行调整得到的。
为实现上述目的，根据本发明的第五个方面，提供了一种电子设备。
本发明的电子设备，包括：一个或多个处理器；以及，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，使得所述一个或多个处理器实现本发明的推荐可视化图表的方法。
为实现上述目的，根据本发明的第六个方面，提供了一种计算机可读介质。
本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明的推荐可视化图表的方法。
上述发明中的一个实施例具有如下优点或有益效果：通过获取用户待可视化的数据集，根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端，在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端这些步骤，能够有效提高可视化图表的推荐效果，提高图表推荐服务的用户体验。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是本发明实施例可以应用于其中的示例性系统架构图；
图2是根据本发明第一实施例的推荐可视化图表的方法的主要流程示意图；
图3是根据本发明第二实施例的推荐可视化图表的方法的主要流程示意图；
图4是根据本发明第三实施例的推荐可视化图表的方法的主要流程示意图；
图5是根据本发明第四实施例的推荐可视化图表的装置的主要模块示意图；
图6是根据本发明第五实施例的推荐可视化图表的装置的主要模块示意图；
图7是适于用来实现本发明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
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要指出的是，在不影响本发明实施的情况下，本发明中的各个实施例以及实施例中的技术特征可以相互组合。
图1示出了可以应用本发明实施例的推荐可视化图表的方法或推荐可视化图表的装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，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。终端设备101、102、103上可以安装有各种通讯客户端应用，例如数据分析类应用、金融审计类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
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，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
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所浏览的数据分析类应用提供支持的后台管理服务器。例如，后台管理服务器可以对终端设备通过网络发送的图表推荐请求等进行处理，并将处理结果(比如图表推荐结果)反馈给终端设备。
需要说明的是，本发明一些实施例所提供的推荐可视化图表的方法一般由服务器执行，相应地，推荐可视化图表的装置一般设置于服务器中。本发明另一些实施例所提供的推荐可视化图表的方法一般由终端设备执行，相应地，推荐可视化图表的装置一般设置于终端设备中。
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。
第一实施例
图2是根据本发明第一实施例的推荐可视化图表的方法的主要流程示意图。本发明实施例的方法可由服务端执行。如图2所示，本发明实施例的推荐可视化图表的方法包括：
步骤S201：获取用户待可视化的数据集。
示例性地，在应用户请求进行图表推荐场景下，服务端在接收到用户的图表推荐请求后，执行步骤S201。在一种可选实施方式中，图表推荐请求携带有用户待可视化的数据集的标识。在该可选实施方式中，服务端根据所述图表推荐请求携带的数据集的标识查询数据库，以得到用户待可视化的数据集。在另一种可选实施方式中，图表推荐请求携带有用户待可视化的数据集。在该可选实施方式中，服务端从所述图表推荐请求中解析出所述用户待可视化的数据集。
示例性地，在主动进行图表推荐场景下，服务端可主动扫描数据库，以从数据库中获得用户待可视化的数据集。
步骤S202：根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端。
在一个可选示例中，所述根据所述待可视化的数据集确定图表推荐结果包括：对所述待可视化的数据集进行特征提取；计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；根据匹配度从图表知识库的图表中筛选出待推荐的图表。例如，将匹配度大于或等于预设匹配度阈值的图表作为待推荐的图表，或者，将匹配度最大的前N个图表作为待推荐的图表，其中，N为大于或等于1的整数。
具体地，在上述可选示例中，既可借助现有的数据集分析工具对数据集进行特征分析，也可采用自己研发的数据集分析工具对数据集进行特征分析，以得到待可视化的数据集的特征。示例性地，提取到的所述待可视化的数据集的特征包括：字段特征(比如字段名称、数据类型、统计信息等)、字段性质(比如连续性、离散型等)、以及字段间的关系(比如相关性、周期性等)。在得到待可视化的数据集的特征后，可基于GBDT(梯度提升决策树)算法、LR(逻辑回归)算法或者其他适用于图表推荐的算法计算待可视化的数据集的特征与图表知识库中各个图表的匹配度，并基于匹配度选取出待推荐的图表。
在另一个可选示例中，所述根据所述待可视化的数据集确定图表推荐结果包括：对所述待可视化的数据集进行特征提取；计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；根据匹配度从图表知识库的图表中筛选出候选推荐图表，例如，将匹配度大于或等于预设匹配度阈值的图表作为候选推荐图表，或者，将匹配度最大的前M个图表作为候选推荐图表，其中，M为大于1的整数；从标签库中获取所述用户进行可视化分析的偏好标签数据；根据所述用户进行可视化分析的偏好标签数据从所述候选推荐图表中筛选出待推荐的图表。
在上述可选示例中，在得到待可视化的数据集的特征后，可基于GBDT(梯度提升决策树)算法、LR(逻辑回归)算法、或者其他适用于图表推荐的算法计算待可视化的数据集的特征与图表知识库中各个图表的匹配度，并基于匹配度选取出候选推荐图表。在根据偏好标签数据从候选推荐图表中筛选待推荐图表时，可采用前述计算匹配度所用的算法模型，也可采用与前述计算匹配度所用的推荐算法不同的算法模型。
在步骤S202中，在确定待推荐的图表之后，可将包括诸如待推荐图表的图表类型、绘图描述等信息的图表推荐结果发送至用户对应的终端。
步骤S203：在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。
在一个可选示例中，用户的反馈信息具体为针对图表类型不满意的反馈信息。在该可选示例中，将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。
在另一个可选示例中，按照反馈信息的类型不同，采用不同的调整方式对图表推荐结果进行调整。例如，该可选示例具体包括：在所述反馈信息为对推荐的图表的呈现方式不满意的反馈信息时，对图表的呈现方式进行调整；在所述反馈信息为对推荐的图表所使用的数据集不满意的反馈信息时，对图表所使用的数据集进行调整；在所述反馈信息为对推荐的图表类型不满意的反馈信息时，将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。
在本发明实施例中，通过以上步骤实现了可视化图表智能推荐流程，能够有效提高可视化推荐图表的推荐效果，提高图表推荐服务的用户体验。与现有技术相比，本发明实施例通过引入用户反馈，并将用户反馈作为一个影响因素融合至可视化图表推荐算法之中，解决了以往可视化图表设计中用户反馈生效周期长、开发成本高、对图表设计者的可视化设计能力、专业知识、审美等方面要求高、并且大量数据以用户难以理解的方式被可视化的展现的问题，使用户能够通过简单的反馈选项，表达自身对可视化图表多维度的倾向性选择，从而为用户节约了大量内部沟通时间与开发成本。与此同时，通过人工智能推荐算法的辅助，也可使用户摆脱对大量图表专业知识的依赖，智能化的选择最合适的可视化展示方案，把精力聚焦于数据与可视化分析本身。
第二实施例
图3是根据本发明第二实施例的推荐可视化图表的方法的主要流程示意图。本发明实施例的方法可由用户终端执行。如图3所示，本发明实施例的推荐可视化图表的方法包括：
步骤S301：在检测到用户请求进行图表推荐的页面操作后，向服务端发送图表推荐请求。
为了便于用户进行数据可视化分析，用户终端提供了诸如按钮等页面控件，并在该页面控件了绑定了诸如点击或者滑动等指定事件，以便于用户通过触发该页面控件的指定事件发起图表推荐请求。在检测到用户触发该页面控件的指定事件后，用户终端向服务端发送图表推荐请求。
在一个可选示例中，用户终端发送的图表推荐请求包括用户待可视化的数据集的标识。在该可选示例中，服务端在接收到图表推荐请求后，根据所述图表推荐请求携带的数据集的标识查询数据库，以得到用户待可视化的数据集。接下来，服务端根据用户待可视化的数据集确定图表推荐结果，并将图表推荐结果发送至所述用户对应的终端。
在另一个可选示例中，用户终端发送的图表推荐请求包括用户待可视化的数据集。在该可选示例中，服务端从图表推荐请求中解析出所述用户待可视化的数据集。接下来，服务端根据用户待可视化的数据集确定图表推荐结果，并将图表推荐结果发送至所述用户对应的终端。
步骤S302：在接收到所述服务端发送的图表推荐结果后，根据所述图表推荐结果对此次推荐的图表进行展示。
示例性地，服务端发送的所述图表推荐结果可包括服务端此次推荐的图表的类型、绘图描述等信息。在接收到图表推荐结果后，用户终端基于图表类型、绘图描述对服务端此次推荐的图表进行绘制，并将此次推荐的图表进行展示。
示例性地，服务端发送的所述图表推荐结果可包括服务端绘制的此次推荐的图表。在接收到图表推荐结果后，用户终端对此次推荐的图表进行展示。
步骤S303：收集用户针对所述图表推荐结果的反馈信息，并将所述反馈信息发送至服务端。
用户终端除了向用户展示此次推荐的图表之外，还收集用户针对图表结果的反馈信息。示例性地，用户终端提供多个反馈信息选项，用户可通过点击相应的反馈信息选项进行反馈。
例如，用户终端提供针对图表类型不满意的反馈信息选项，用户可直接点击一个或多个反馈信息选项进行反馈。服务端在接收到用户的反馈信息后，将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。示例性地，用户终端提供的针对图表类型不满意的反馈信息选项可包括以下一项或多项：“对此图表不感兴趣”、“图表难以体现分析目标”、“图表难以理解”、“图表易被误解”、“对视觉布局不满意”、“对方式【比较】不满意”、对方式【趋势】不满意等等。
例如，用户终端提供多种类型的反馈信息选项，比如针对图表类型不满意的反馈信息选项、针对推荐的图表的呈现方式不满意的反馈信息选项、以及针对推荐的图表所使用的数据集不满意的反馈信息选项等等。用户可直接点击一个或多个反馈信息选项进行反馈。服务端在接收到用户的反馈信息后，按照反馈信息的类型不同，采用不同的调整方式对图表推荐结果进行调整。比如，在所述反馈信息为对推荐的图表的呈现方式不满意的反馈信息时，服务端对图表的呈现方式进行调整；在所述反馈信息为对推荐的图表所使用的数据集不满意的反馈信息时，服务端对图表所使用的数据集进行调整；在所述反馈信息为对推荐的图表类型不满意的反馈信息时，服务端将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。示例性地，用户终端提供的针对图表呈现方式不满意的反馈信息选项包括以下一项或多项：“色彩对比度过高”、“图表比例尺过大”、“图表比例尺过小”等等；用户终端提供的针对图表使用的数不满意的反馈信息选项包括以下一项或多项：“对【比较】的数据不满意”、“对【趋势】的数据不满意”；用户终端提供的针对图表类型不满意的反馈信息选项可包括以下一项或多项：“对此图表不感兴趣”、“图表难以体现分析目标”、“图表难以理解”、“图表易被误解”、“对视觉布局不满意”、“对方式【比较】不满意”、对方式【趋势】不满意等等。
在本发明实施例中，通过用户终端提供多种类型的反馈信息选项，能够满足用户多维度的反馈需求，提高可视化图表推荐的灵活性，以及提高可视化图表推荐过程中的用户体验。
步骤S304：在接收到所述服务端发送的调整后的图表推荐结果后，根据所述调整后的图表推荐结果对此次推荐的图表进行展示。
示例性地，服务端发送的调整后的图表推荐结果可包括服务端此次推荐的图表的类型、绘图描述等信息。在接收到调整后的图表推荐结果后，用户终端基于图表类型、绘图描述对服务端此次推荐的图表进行绘制，并将此次重新推荐的图表进行展示。
示例性地，服务端发送的调整后的图表推荐结果可包括服务端绘制的重新推荐的图表。在接收到调整后的图表推荐结果后，用户终端对此次重新推荐的图表进行展示。
可选地，本发明实施例的方法还可包括以下步骤：重复多次收集用户针对所述图表推荐结果的反馈信息，以使服务端不断调整图表推荐结果，直至用户满意为止。
在本发明实施例中，通过以上步骤实现了可视化图表智能推荐流程，能够有效提高可视化推荐图表的推荐效果，提高图表推荐服务的用户体验。与现有技术相比，本发明实施例使用户能够通过简单的反馈选项，表达自身对可视化图表多维度的倾向性选择，从而为用户节约了大量内部沟通时间与开发成本。与此同时，通过人工智能推荐算法的辅助，也可使用户摆脱对大量图表专业知识的依赖，智能化的选择最合适的可视化展示方案，把精力聚焦于数据与可视化分析本身。
第三实施例
图4是根据本发明第三实施例的推荐可视化图表的方法的主要流程示意图。本发明实施例的方法可由服务端执行。如图4所示，本发明实施例的推荐可视化图表的方法包括：
步骤S401：构建图表知识库。
在该步骤中，可通过采集大量图表数据，依据图表数据的特点从多个维度对图表进行分类，进而得到包括图表特征的图表知识库。示例性地，所述图表知识库包括以下一种或多种图表的特征：图表大类、图形定义、图表血缘、图表变种谱系、图表适用于的分析目的、坐标系、形状、视觉通道、图表数据要求。以下对图表知识库中的图表特征进行示意性说明。
图表大类：将图表类型分为几个大类，比如统计图、示意图、关系图、地图等。其中，统计图又包括折线图类、条形图类、饼图类、面积图类、散点图类等等。
图形定义：对各个图表类型的定义信息，比如折线图的定义为使用折线的线段显示数据在一个具有顺序性的维度上的变化。
图表血缘：表明图表之间的血缘关系，比如：统计图-折线图类。
图表变种谱系：图表的变种图的谱系信息，比如，饼图的变种图包括复合饼图、复合条饼图。
图表适用于的分析目的：各个图表类型的分析目的信息，比如用于数据比较、用于描述趋势等等。
坐标系：各个图表类型的坐标系信息，比如平面直角坐标系、数轴、三维直角坐标系、极坐标系等等。
形状：各个图表类型的形状信息，比如线形、条形、圆形、方形等等
视觉通道：各个图表类型的视觉通道信息，视觉通道信息用于映射数据的视觉元素变量，比如位置、方向、长度、颜色、面积、角度、弧长、方向、尺寸等等。
图表数据要求，各个图表类型对数据的要求，比如要求时间字段、要求有序名词字段、要求数值字段等。
步骤S402：在接收到用户对应的终端发送的图表推荐请求后，获取用户待可视化的数据集。
在一个可选示例中，图表推荐请求包括用户待可视化的数据集的标识。其中，所述数据集的标识可以为数据集的名称、或者数据集的存储路径等等。在该可选示例中，服务端根据所述图表推荐请求携带的数据集的标识查询数据库，以得到用户待可视化的数据集。
在另一个可选示例中，图表推荐请求包括用户待可视化的数据集。在该可选示例中，服务端从所述图表推荐请求中解析出所述用户待可视化的数据集。
步骤S403：对数据集进行特征提取，计算数据集的特征与图表知识库中各个图表的匹配度，根据匹配度确定候选推荐图表。
示例性地，在该步骤中，既可借助现有的数据集分析工具对数据集进行特征分析，也可采用自己研发的数据集分析工具对数据集进行特征分析，以得到待可视化的数据集的特征。示例性地，提取到的所述待可视化的数据集的特征包括：字段特征(比如字段名称、数据类型、统计信息等)、字段性质(比如连续性、离散型等)、以及字段间的关系(比如相关性、周期性等)。在得到待可视化的数据集的特征后，可基于GBDT(梯度提升决策树)算法、LR(逻辑回归)算法或者其他适用于图表推荐的算法计算待可视化的数据集的特征与图表知识库中各个图表的匹配度，并基于匹配度选取出待推荐的图表。
在一个可选实施方式中，所述根据匹配度确定候选推荐图表包括：将匹配度大于或等于预设匹配度阈值的图表作为待推荐的图表。其中，所述预设匹配度阈值可根据实际需求进行灵活设置，比如将匹配度阈值设为0.9，0.8或者其他取值。
在另一个可选实施方式中，所述根据匹配度确定候选推荐图表包括：将匹配度最大的前N个图表作为待推荐的图表，其中，N为大于或等于1的整数。其中，N的取值可根据实际需求进行灵活设置，比如将N设为5、10或者其他取值。
步骤S404：从标签库中选取所述用户进行可视化分析的偏好标签数据，根据所述偏好标签数据从候选推荐图表中筛选出待推荐的图表。
示例性地，在该步骤中，可根据用户标识(比如用户的账户名、姓名、或者手机号等等)查询标签库，以得到该用户进行可视化分析的偏好标签数据。在得到该用户进行可视化分析的偏好标签后，可根据偏好标签与图表的对应关系确定各个候选推荐图表所关联的该用户的偏好标签、以及偏好标签在候选推荐图表中的权重。接下来，对各个候选推荐图表所关联的偏好标签的权重进行累加求和，以得到用户对所述候选推荐图表的偏好度；然后，可将偏好度大于或等于预设偏好度阈值的候选推荐图表作为待推荐的图表，或者，将偏好度最大的前N个候选推荐图表作为待推荐的图表；其中，N为大于或等于1的整数。
用户的一个偏好标签可能与一个或多个图表对应；同一个偏好标签在不同图表中的权重可能相同，也可能不同。例如，用户的偏好标签a与图表1和图表2对应，偏好标签a在图表1中的权重为0.1，偏好标签a在图表2中的权重为0.2；用户的偏好标签b与图表3和图表4对应，用户的偏好标签b在图表3中的权重为0.3，用户的偏好标签b在图表4中的权重为0.3。又例如，假设候选推荐图表3对应用户的偏好标签a、偏好标签b、偏好标签c，且偏好标签a在候选推荐图表3中的权重为0.1，偏好标签b在候选推荐图表3中的权重为0.1，偏好标签c在候选推荐图表3中的权重为0.2，则用户对候选推荐图表3的偏好度为0.4。
可选地，本发明实施例的方法还包括以下步骤：构建标签库。示例性地，可通过采集前端埋点、服务端埋点、全埋点等各类埋点方法采集用户的行为数据，同时借助行业数据库、用户画像标签库等全面进行用户可视化分析偏好标签的刻画。
步骤S405：将包含待推荐图表信息的图表推荐结果发送至所述用户对应的终端。
在一个可选示例中，服务端发送的图表推荐结果可包括服务端推荐的图表的类型、绘图描述等信息。在接收到图表推荐结果后，用户终端基于图表类型、绘图描述对服务端推荐的图表进行绘制，并将此次推荐的图表进行展示。
在另一个可选示例中，服务端发送的图表推荐结果可包括服务端绘制的推荐图表。在接收到图表推荐结果后，用户终端对此次推荐的图表进行展示。
此外，用户终端除了向用户展示此次推荐的图表之外，还收集用户针对图表结果的反馈信息。示例性地，用户终端提供多个反馈信息选项，用户可通过点击相应的反馈信息选项进行反馈。
在一个可选示例中，用户终端提供多种类型的反馈信息选项，比如针对图表类型不满意的反馈信息选项、针对推荐的图表的呈现方式不满意的反馈信息选项、以及针对推荐的图表所使用的数据集不满意的反馈信息选项等等。用户可直接点击一个或多个反馈信息选项进行反馈。示例性地，用户终端提供的针对图表呈现方式不满意的反馈信息选项包括以下一项或多项：“色彩对比度过高”、“图表比例尺过大”、“图表比例尺过小”等等；用户终端提供的针对图表使用的数不满意的反馈信息选项包括以下一项或多项：“对【比较】的数据不满意”、“对【趋势】的数据不满意”；用户终端提供的针对图表类型不满意的反馈信息选项可包括以下一项或多项：“对此图表不感兴趣”、“图表难以体现分析目标”、“图表难以理解”、“图表易被误解”、“对视觉布局不满意”、“对方式【比较】不满意”、对方式【趋势】不满意等等。
步骤S406：在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果。
在一个可选示例中，服务端在接收到用户的反馈信息后，按照反馈信息的类型不同，采用不同的调整方式对图表推荐结果进行调整。具体来说，在所述反馈信息为对推荐的图表的呈现方式不满意的反馈信息时，服务端对图表的呈现方式进行调整；在所述反馈信息为对推荐的图表所使用的数据集不满意的反馈信息时，服务端对图表所使用的数据集进行调整；在所述反馈信息为对推荐的图表类型不满意的反馈信息时，服务端将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。
在一个可选实施方式中，在所述反馈信息为对推荐的图表类型不满意的反馈信息时，服务端根据反馈信息重新确定待推荐的图表包括：根据所述反馈信息确定偏好标签调整范围和权重调整方式；在所述偏好标签调整范围内按照所述权重调整方式对偏好标签的权重进行调整；根据调整后的偏好标签的权重计算用户对所述候选推荐图表的偏好度；根据所述用户对所述候选推荐图表的偏好度重新确定待推荐的图表。
在上述可选实施方式中，可预先配置各个反馈信息对应的标签调整范围、以及权重调整方式。进而，服务端可根据用户的反馈信息查询出与之对应的标签调整范围、以及权重调整方式。表1示意性地给出了针对部分反馈信息配置的标签调整范围以及权重调整方式。
表1
Figure BDA0003177634530000171
如表1所示，假设用户针对图表1的反馈信息为“对图表不感兴趣”，则将图表1关联的所有标签的权重降低50％；假设用户针对图表2的反馈信息为“对图表的坐标系不满意”，则将图表2关联的坐标系标签的权重降低50％。在一个可选示例中，在接收到用户反馈信息之后，将反馈信息插入对应的消息队列，以供后续重新确定待推荐的图表使用。
在本发明实施例中，通过按照反馈信息的类型不同，采用不同的调整方式对图表推荐结果进行调整，能够满足推荐的图表类型调整、图表样式调整等多种调整需求，提高可视化图表推荐的灵活性，以及提高可视化图表推荐过程中的用户体验。
步骤S407：将调整后的图表推荐结果发送至所述用户对应的终端。
示例性地，服务端发送的调整后的图表推荐结果可包括服务端此次推荐的图表的类型、绘图描述等信息。在接收到调整后的图表推荐结果后，用户终端基于图表类型、绘图描述对服务端此次推荐的图表进行绘制，并将此次重新推荐的图表进行展示。
示例性地，服务端发送的调整后的图表推荐结果可包括服务端绘制的重新推荐的图表。在接收到调整后的图表推荐结果后，用户终端对此次重新推荐的图表进行展示。
在本发明实施例中，通过以上步骤实现了可视化图表智能推荐流程，能够有效提高可视化推荐图表的推荐效果，提高图表推荐服务的用户体验。与现有技术相比，本发明实施例通过引入用户反馈，并将用户反馈作为一个影响因素融合至可视化图表推荐算法之中，解决了以往可视化图表设计中用户反馈生效周期长、开发成本高、对图表设计者的可视化设计能力、专业知识、审美等方面要求高、并且大量数据以用户难以理解的方式被可视化的展现的问题，使用户能够通过简单的反馈选项，表达自身对可视化图表多维度的倾向性选择，从而为用户节约了大量内部沟通时间与开发成本。与此同时，通过人工智能推荐算法的辅助，也可使用户摆脱对大量图表专业知识的依赖，智能化的选择最合适的可视化展示方案，把精力聚焦于数据与可视化分析本身。
第四实施例
图5是根据本发明第四实施例的推荐可视化图表的装置的主要模块示意图。如图5所示，本发明实施例的推荐可视化图表的装置500包括：获取模块501、确定模块502、调整模块503。
获取模块501，用于获取用户待可视化的数据集。
示例性地，在应用户请求进行图表推荐场景下，在接收到用户终端发送的图表推荐请求后，获取模块501获取用户待可视化的数据集。在一种可选实施方式中，图表推荐请求携带有用户待可视化的数据集的标识。在该可选实施方式中，获取模块501根据所述图表推荐请求携带的数据集的标识查询数据库，以得到用户待可视化的数据集。在另一种可选实施方式中，图表推荐请求携带有用户待可视化的数据集。在该可选实施方式中，获取模块501从所述图表推荐请求中解析出所述用户待可视化的数据集。
示例性地，在主动进行图表推荐场景下，获取模块501可主动扫描数据库，以从数据库中获得用户待可视化的数据集。
确定模块502，用于根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端。
在一个可选示例中，确定模块502根据所述待可视化的数据集确定图表推荐结果包括：确定模块502对所述待可视化的数据集进行特征提取；确定模块502计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；确定模块502根据匹配度从图表知识库的图表中筛选出待推荐的图表。例如，确定模块502将匹配度大于或等于预设匹配度阈值的图表作为待推荐的图表，或者，确定模块502将匹配度最大的前N个图表作为待推荐的图表，其中，N为大于或等于1的整数。
具体地，在上述可选示例中，确定模块502既可借助现有的数据集分析工具对数据集进行特征分析，也可采用自己研发的数据集分析工具对数据集进行特征分析，以得到待可视化的数据集的特征。示例性地，确定模块502提取到的所述待可视化的数据集的特征包括：字段特征(比如字段名称、数据类型、统计信息等)、字段性质(比如连续性、离散型等)、以及字段间的关系(比如相关性、周期性等)。在得到待可视化的数据集的特征后，确定模块502可基于GBDT(梯度提升决策树)算法、LR(逻辑回归)算法或者其他适用于图表推荐的算法计算待可视化的数据集的特征与图表知识库中各个图表的匹配度，并基于匹配度选取出待推荐的图表。
在另一个可选示例中，确定模块502根据所述待可视化的数据集确定图表推荐结果包括：确定模块502对所述待可视化的数据集进行特征提取；确定模块502计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；确定模块502根据匹配度从图表知识库的图表中筛选出候选推荐图表，例如，确定模块502将匹配度大于或等于预设匹配度阈值的图表作为候选推荐图表，或者，确定模块502将匹配度最大的前M个图表作为候选推荐图表，其中，M为大于1的整数；确定模块502从标签库中获取所述用户进行可视化分析的偏好标签数据；确定模块502根据所述用户进行可视化分析的偏好标签数据从所述候选推荐图表中筛选出待推荐的图表。
在上述可选示例中，在得到待可视化的数据集的特征后，确定模块502可基于GBDT(梯度提升决策树)算法、LR(逻辑回归)算法、或者其他适用于图表推荐的算法计算待可视化的数据集的特征与图表知识库中各个图表的匹配度，并基于匹配度选取出候选推荐图表。在根据偏好标签数据从候选推荐图表中筛选待推荐图表时，确定模块502可采用前述计算匹配度所用的算法模型，也可采用与前述计算匹配度所用的推荐算法不同的算法模型。
在确定待推荐的图表之后，可将包括诸如待推荐图表的图表类型、绘图描述等信息的图表推荐结果发送至用户对应的终端。
调整模块503，用于在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。
在一个可选示例中，用户的反馈信息具体为针对图表类型不满意的反馈信息。在该可选示例中，调整模块503将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。
在另一个可选示例中，调整模块503按照反馈信息的类型不同，采用不同的调整方式对图表推荐结果进行调整。例如，该可选示例具体包括：在所述反馈信息为对推荐的图表的呈现方式不满意的反馈信息时，调整模块503对图表的呈现方式进行调整；在所述反馈信息为对推荐的图表所使用的数据集不满意的反馈信息时，调整模块503对图表所使用的数据集进行调整；在所述反馈信息为对推荐的图表类型不满意的反馈信息时，调整模块503将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。
在本发明实施例中，通过以上装置实现了可视化图表智能推荐流程，能够有效提高可视化推荐图表的推荐效果，提高图表推荐服务的用户体验。与现有技术相比，本发明实施例通过引入用户反馈，并将用户反馈作为一个影响因素融合至可视化图表推荐算法之中，解决了以往可视化图表设计中用户反馈生效周期长、开发成本高、对图表设计者的可视化设计能力、专业知识、审美等方面要求高、并且大量数据以用户难以理解的方式被可视化的展现的问题，使用户能够通过简单的反馈选项，表达自身对可视化图表多维度的倾向性选择，从而为用户节约了大量内部沟通时间与开发成本。与此同时，通过人工智能推荐算法的辅助，也可使用户摆脱对大量图表专业知识的依赖，智能化的选择最合适的可视化展示方案，把精力聚焦于数据与可视化分析本身。
第五实施例
图6是根据本发明第五实施例的推荐可视化图表的装置的主要模块示意图。本发明实施例的推荐可视化图表的装置可设置于用户终端。如图6所示，本发明实施例的推荐可视化图表的装置600包括：请求模块601、第一展示模块602、反馈收集模块603、第二展示模块604。
请求模块601，用于在检测到用户请求进行图表推荐的页面操作后，向服务端发送图表推荐请求。
为了便于用户进行数据可视化分析，用户终端提供了诸如按钮等页面控件，并在该页面控件了绑定了诸如点击或者滑动等指定事件，以便于用户通过触发该页面控件的指定事件发起图表推荐请求。在检测到用户触发该页面控件的指定事件后，请求模块601向服务端发送图表推荐请求。
在一个可选示例中，请求模块601发送的图表推荐请求包括用户待可视化的数据集的标识。在该可选示例中，服务端在接收到图表推荐请求后，根据所述图表推荐请求携带的数据集的标识查询数据库，以得到用户待可视化的数据集。接下来，服务端根据用户待可视化的数据集确定图表推荐结果，并将图表推荐结果发送至所述用户对应的终端。
在另一个可选示例中，请求模块601发送的图表推荐请求包括用户待可视化的数据集。在该可选示例中，服务端从图表推荐请求中解析出所述用户待可视化的数据集。接下来，服务端根据用户待可视化的数据集确定图表推荐结果，并将图表推荐结果发送至所述用户对应的终端。
第一展示模块602，用于在接收到所述服务端发送的图表推荐结果后，根据所述图表推荐结果对此次推荐的图表进行展示。
示例性地，服务端发送的所述图表推荐结果可包括服务端此次推荐的图表的类型、绘图描述等信息。在接收到图表推荐结果后，第一展示模块602基于图表类型、绘图描述对服务端此次推荐的图表进行绘制，并将此次推荐的图表进行展示。
示例性地，服务端发送的所述图表推荐结果可包括服务端绘制的此次推荐的图表。在接收到图表推荐结果后，第一展示模块602对此次推荐的图表进行展示。
反馈收集模块603，用于收集用户针对所述图表推荐结果的反馈信息，并将所述反馈信息发送至服务端。
示例性地，反馈收集模块603提供多个反馈信息选项，用户可通过点击相应的反馈信息选项进行反馈。
例如，反馈收集模块603提供针对图表类型不满意的反馈信息选项，用户可直接点击一个或多个反馈信息选项进行反馈。服务端在接收到用户的反馈信息后，将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。示例性地，反馈收集模块603提供的针对图表类型不满意的反馈信息选项可包括以下一项或多项：“对此图表不感兴趣”、“图表难以体现分析目标”、“图表难以理解”、“图表易被误解”、“对视觉布局不满意”、“对方式【比较】不满意”、对方式【趋势】不满意等等。
例如，反馈收集模块603提供多种类型的反馈信息选项，比如针对图表类型不满意的反馈信息选项、针对推荐的图表的呈现方式不满意的反馈信息选项、以及针对推荐的图表所使用的数据集不满意的反馈信息选项等等。用户可直接点击一个或多个反馈信息选项进行反馈。服务端在接收到用户的反馈信息后，按照反馈信息的类型不同，采用不同的调整方式对图表推荐结果进行调整。比如，在所述反馈信息为对推荐的图表的呈现方式不满意的反馈信息时，服务端对图表的呈现方式进行调整；在所述反馈信息为对推荐的图表所使用的数据集不满意的反馈信息时，服务端对图表所使用的数据集进行调整；在所述反馈信息为对推荐的图表类型不满意的反馈信息时，服务端将用户的反馈信息作为影响因素引入图表推荐算法模型中，以使图表推荐算法模型根据反馈信息重新确定待推荐的图表。示例性地，反馈收集模块603提供的针对图表呈现方式不满意的反馈信息选项包括以下一项或多项：“色彩对比度过高”、“图表比例尺过大”、“图表比例尺过小”等等；反馈收集模块603提供的针对图表使用的数不满意的反馈信息选项包括以下一项或多项：“对【比较】的数据不满意”、“对【趋势】的数据不满意”；反馈收集模块603提供的针对图表类型不满意的反馈信息选项可包括以下一项或多项：“对此图表不感兴趣”、“图表难以体现分析目标”、“图表难以理解”、“图表易被误解”、“对视觉布局不满意”、“对方式【比较】不满意”、对方式【趋势】不满意等等。
在本发明实施例中，通过反馈收集模块603提供多种类型的反馈信息选项，能够满足用户多维度的反馈需求，提高可视化图表推荐的灵活性，以及提高可视化图表推荐过程中的用户体验。
第二展示模块604，用于在接收到所述服务端发送的调整后的图表推荐结果后，根据所述调整后的图表推荐结果对此次推荐的图表进行展示。
示例性地，服务端发送的调整后的图表推荐结果可包括服务端此次推荐的图表的类型、绘图描述等信息。在接收到调整后的图表推荐结果后，第二展示模块604基于图表类型、绘图描述对服务端此次推荐的图表进行绘制，并将此次重新推荐的图表进行展示。
示例性地，服务端发送的调整后的图表推荐结果可包括服务端绘制的重新推荐的图表。在接收到调整后的图表推荐结果后，第二展示模块604对此次重新推荐的图表进行展示。
在本发明实施例中，通过以上装置实现了可视化图表智能推荐流程，能够有效提高可视化推荐图表的推荐效果，提高图表推荐服务的用户体验。与现有技术相比，本发明实施例使用户能够通过简单的反馈选项，表达自身对可视化图表多维度的倾向性选择，从而为用户节约了大量内部沟通时间与开发成本。与此同时，通过人工智能推荐算法的辅助，也可使用户摆脱对大量图表专业知识的依赖，智能化的选择最合适的可视化展示方案，把精力聚焦于数据与可视化分析本身。
下面参考图7，其示出了适于用来实现本发明实施例的电子设备的计算机系统700的结构示意图。图7示出的计算机系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；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707；包括硬盘等的存储部分708；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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，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710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708。
特别地，根据本发明公开的实施例，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，本发明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709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明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。在本发明中，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。而在本发明中，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，图示了按照本发明各种实施例的系统、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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、确定模块和调整模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取用户待可视化的数据集的模块”。
作为另一方面，本发明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设备中所包含的；也可以是单独存在，而未装配入该设备中。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设备执行时，使得该设备执行以下流程：获取用户待可视化的数据集；根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端；在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。
作为再一方面，本发明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设备中所包含的；也可以是单独存在，而未装配入该设备中。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设备执行时，使得该设备执行以下流程：在检测到用户请求进行图表推荐的页面操作后，向服务端发送图表推荐请求；在接收到所述服务端发送的图表推荐结果后，根据所述图表推荐结果对此次推荐的图表进行展示；收集用户针对所述图表推荐结果的反馈信息，并将所述反馈信息发送至服务端；在接收到所述服务端发送的调整后的图表推荐结果后，根据所述调整后的图表推荐结果对此次推荐的图表进行展示；其中，所述调整后的图表推荐结果是服务端根据所述反馈信息对图表推荐结果进行调整得到的。
根据本发明实施例的技术方案，能够有效提高可视化推荐图表的推荐效果，提高图表推荐服务的用户体验。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (15)

1.一种推荐可视化图表的方法，其特征在于，所述方法包括：
获取用户待可视化的数据集；
根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端；
在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。
2.根据权利要求1所述的方法，其特征在于，根据所述待可视化的数据集确定图表推荐结果包括：
对所述待可视化的数据集进行特征提取；计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；将匹配度大于或等于预设匹配度阈值的图表作为待推荐的图表，或者，将匹配度最大的前N个图表作为待推荐的图表；其中，N为大于或等于1的整数。
3.根据权利要求1所述的方法，其特征在于，根据所述待可视化的数据集确定图表推荐结果包括：
对所述待可视化的数据集进行特征提取；计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；将匹配度大于或等于预设匹配度阈值的图表作为候选推荐图表，或者，将匹配度最大的前M个图表作为候选推荐图表；从标签库中获取所述用户进行可视化分析的偏好标签数据；根据所述用户进行可视化分析的偏好标签数据从所述候选推荐图表中筛选出待推荐的图表；其中，M为大于1的整数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述用户进行可视化分析的偏好标签数据从所述候选推荐图表中筛选出待推荐的图表包括：
确定候选推荐图表所关联的所述用户进行可视化分析的偏好标签、以及偏好标签的权重，对所述候选推荐图表所关联的偏好标签的权重进行累加求和，以得到用户对所述候选推荐图表的偏好度；将偏好度大于或等于预设偏好度阈值的候选推荐图表作为待推荐的图表，或者，将偏好度最大的前N个候选推荐图表作为待推荐的图表；其中，N为大于或等于1的整数。
5.根据权利要求4所述的方法，其特征在于，所述根据所述反馈信息调整图表推荐结果包括：
根据所述反馈信息确定偏好标签调整范围和权重调整方式；在所述偏好标签调整范围内按照所述权重调整方式对偏好标签的权重进行调整；根据调整后的偏好标签的权重计算用户对所述候选推荐图表的偏好度；根据所述用户对所述候选推荐图表的偏好度重新确定待推荐的图表。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
在所述根据所述反馈信息确定偏好标签调整范围和权重调整方式之前，确认所述反馈信息为对推荐的图表类型不满意的反馈信息。
7.根据权利要求6所述的方法，其特征在于，所述根据所述反馈信息调整图表推荐结果还包括：
在所述反馈信息为对推荐的图表的呈现方式不满意的反馈信息时，对图表的呈现方式进行调整。
8.根据权利要求6所述的方法，其特征在于，所述根据所述反馈信息调整图表推荐结果还包括：
在所述反馈信息为对推荐的图表所使用的数据集不满意的反馈信息时，对图表所使用的数据集进行调整。
9.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：构建图表知识库；其中，所述图表知识库包括以下一种或多种图表的特征：图表大类、图形定义、图表血缘、图表变种谱系、图表适用于的分析目的、坐标系、形状、视觉通道、图表数据要求。
10.一种推荐可视化图表的方法，其特征在于，所述方法包括：
在检测到用户请求进行图表推荐的页面操作后，向服务端发送图表推荐请求；
在接收到所述服务端发送的图表推荐结果后，根据所述图表推荐结果对此次推荐的图表进行展示；
收集用户针对所述图表推荐结果的反馈信息，并将所述反馈信息发送至服务端；
在接收到所述服务端发送的调整后的图表推荐结果后，根据所述调整后的图表推荐结果对此次推荐的图表进行展示；其中，所述调整后的图表推荐结果是服务端根据所述反馈信息对图表推荐结果进行调整得到的。
11.根据权利要求10所述的方法，其特征在于，所述图表推荐请求包括用户待可视化的数据集的标识；其中，所述服务端在接收到图表推荐请求后，根据所述标识获取用户待可视化的数据集，并根据所述待可视化的数据集确定图表推荐结果。
12.一种推荐可视化图表的装置，其特征在于，所述装置包括：
获取模块，用于获取用户待可视化的数据集；
确定模块，用于根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端；
调整模块，用于在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。
13.一种推荐可视化图表的装置，其特征在于，所述装置包括：
请求模块，用于在检测到用户请求进行图表推荐的页面操作后，向服务端发送图表推荐请求；
第一展示模块，用于在接收到所述服务端发送的图表推荐结果后，根据所述图表推荐结果对此次推荐的图表进行展示；
反馈收集模块，用于收集用户针对所述图表推荐结果的反馈信息，并将所述反馈信息发送至服务端；
第二展示模块，用于在接收到所述服务端发送的调整后的图表推荐结果后，根据所述调整后的图表推荐结果对此次推荐的图表进行展示；其中，所述调整后的图表推荐结果是服务端根据所述反馈信息对图表推荐结果进行调整得到的。
14.一种电子设备，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，使得所述一个或多个处理器实现如权利要求1-9,10-11中任一所述的方法。
15.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-9,10-11中任一所述的方法。
CN202110837381.9A 2021-07-23 2021-07-23 推荐图表的方法、装置、电子设备及计算机可读介质 Pending CN113468354A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110837381.9A CN113468354A (zh) 2021-07-23 2021-07-23 推荐图表的方法、装置、电子设备及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110837381.9A CN113468354A (zh) 2021-07-23 2021-07-23 推荐图表的方法、装置、电子设备及计算机可读介质

Publications (1)

Publication Number Publication Date
CN113468354A true CN113468354A (zh) 2021-10-01

Family

ID=77882177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110837381.9A Pending CN113468354A (zh) 2021-07-23 2021-07-23 推荐图表的方法、装置、电子设备及计算机可读介质

Country Status (1)

Country Link
CN (1) CN113468354A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117555961A (zh) * 2024-01-12 2024-02-13 浙江同花顺智能科技有限公司 一种可视化生成方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130275904A1 (en) * 2012-04-11 2013-10-17 Secondprism Inc. Interactive data visualization and manipulation
US20190370397A1 (en) * 2018-06-01 2019-12-05 Accenture Global Solutions Limited Artificial intelligence based-document processing
CN111797354A (zh) * 2020-07-03 2020-10-20 北京字节跳动网络技术有限公司 交互方法、装置和电子设备
CN111914165A (zh) * 2020-06-29 2020-11-10 长沙市到家悠享网络科技有限公司 一种目标对象推荐方法、装置、设备和存储介质
CN112163151A (zh) * 2020-09-25 2021-01-01 京东方科技集团股份有限公司 一种模拟推荐方法、计算机设备及存储介质
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
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
US11030552B1 (en) * 2014-10-31 2021-06-08 Tibco Software Inc. Context aware recommendation of analytic components

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130275904A1 (en) * 2012-04-11 2013-10-17 Secondprism Inc. Interactive data visualization and manipulation
US11030552B1 (en) * 2014-10-31 2021-06-08 Tibco Software Inc. Context aware recommendation of analytic components
US20190370397A1 (en) * 2018-06-01 2019-12-05 Accenture Global Solutions Limited Artificial intelligence based-document processing
CN111914165A (zh) * 2020-06-29 2020-11-10 长沙市到家悠享网络科技有限公司 一种目标对象推荐方法、装置、设备和存储介质
CN111797354A (zh) * 2020-07-03 2020-10-20 北京字节跳动网络技术有限公司 交互方法、装置和电子设备
CN112163151A (zh) * 2020-09-25 2021-01-01 京东方科技集团股份有限公司 一种模拟推荐方法、计算机设备及存储介质
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
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
百川: "《人人都是产品经理》", 7 September 2017 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117555961A (zh) * 2024-01-12 2024-02-13 浙江同花顺智能科技有限公司 一种可视化生成方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US10534635B2 (en) Personal digital assistant
CN110163457B (zh) 一种业务指标的异常定位方法和装置
CN110298716B (zh) 信息推送方法和装置
CN108334568B (zh) 房源推送方法、装置、设备及计算机可读存储介质
CN108536867B (zh) 用于生成信息的方法和装置
CN107908616B (zh) 预测趋势词的方法和装置
CN109409419B (zh) 用于处理数据的方法和装置
CN109992719B (zh) 用于确定推送优先级信息的方法和装置
US20190171777A1 (en) Modular data insight handling for user application data
CN113157947A (zh) 知识图谱的构建方法、工具、装置和服务器
CN110110172B (zh) 信息展示方法和装置
CN107392259B (zh) 构建不均衡样本分类模型的方法和装置
CN109446384B (zh) 用于生成人员组织架构信息的方法和系统
CN110866040B (zh) 用户画像生成方法、装置和系统
CN107291835B (zh) 一种搜索词的推荐方法和装置
CN112749323B (zh) 一种构建用户画像的方法和装置
CN113468354A (zh) 推荐图表的方法、装置、电子设备及计算机可读介质
CN112784861B (zh) 相似度的确定方法、装置、电子设备和存储介质
EP4116889A2 (en) Method and apparatus of processing event data, electronic device, and medium
CN109271224B (zh) 用于确定位置的方法和设备
CN107256244B (zh) 数据处理方法和系统
CN113743973B (zh) 分析市场热点趋势的方法和装置
CN109857838B (zh) 用于生成信息的方法和装置
CN113362097B (zh) 一种用户确定方法和装置
CN108415957B (zh) 网页自定义导航的方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211001