CN113627144A - 基于人工智能的图表生成方法、装置、电子设备及介质 - Google Patents
基于人工智能的图表生成方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113627144A CN113627144A CN202110961683.7A CN202110961683A CN113627144A CN 113627144 A CN113627144 A CN 113627144A CN 202110961683 A CN202110961683 A CN 202110961683A CN 113627144 A CN113627144 A CN 113627144A
- Authority
- CN
- China
- Prior art keywords
- chart
- index
- configuration table
- attributes
- preset configuration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 44
- 230000000007 visual effect Effects 0.000 claims abstract description 137
- 238000004364 calculation method Methods 0.000 claims abstract description 110
- 238000012800 visualization Methods 0.000 claims abstract description 7
- 238000010586 diagram Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/183—Tabulation, i.e. one-dimensional positioning
Abstract
本发明涉及人工智能技术领域,提供一种基于人工智能的图表生成方法、装置、电子设备及介质,所述方法包括:获取多个图表属性及多个指标;根据多个图表属性和多个指标,判断预设的配置表中是否存在可视化图表编码;当预设的配置表中不存在可视化图表编码时,调用后端接口从预设的配置表中获取每个指标的计算公式;基于每个指标的计算公式进行第一次递归调用,得到每个指标的目标值;基于多个指标的多个目标值及多个图表属性生成可视化图表。本发明通过确定预设的配置表中存在可视化图表编码时,前端调用后端接口时,只需要根据所述可视化图表编码,即可调取到可视化图表并进行展示,提高了可视化图表的生成效率。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于人工智能的图表生成方法、装置、电子设备及介质。
背景技术
数据的产生速度变得越来越快,大量的数据被搜集和存储,以图表的形式展示数据,每个页面可能需要展示多个图表,现有技术为每个图表配置一个后端接口进行图表创建。
然而,现有技术为每个图表配置一个后端接口,引起后端接口数据量大,并且当展示的图表中的指标需要调整时,需要同步调整后端接口,或者新增图表时,后端必须重新开发接口提供给前端调用,每次调整和开发新的图表接口,都需要上线更新后端程序,导致生成图表的效率缓慢,错误率高。
发明内容
鉴于以上内容,有必要提出一种基于人工智能的图表生成方法、装置、电子设备及介质,通过确定预设的配置表中存在可视化图表编码时,前端调用后端接口时,只需要根据所述可视化图表编码,即可调取到可视化图表并进行展示,提高了可视化图表的生成效率。
本发明的第一方面提供一种基于人工智能的图表生成方法,所述方法包括:
解析接收的图表生成请求,获取多个图表属性及多个指标;
根据所述多个图表属性和多个指标,判断预设的配置表中是否存在可视化图表编码;
当所述预设的配置表中不存在可视化图表编码时,调用后端接口从预设的配置表中获取每个所述指标的计算公式;
基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值;
基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表。
可选地,所述基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值包括:
判断每个所述指标的计算公式的运算左因子是否为叶子节点指标;
当每个所述指标的计算公式的运算左因子为叶子节点指标时,从所述预设的配置表中获取所述运算左因子的第一指标值;判断每个所述指标的计算公式的运算右因子是否为空;当每个所述指标的计算公式的运算右因子为空时,结束所述第一次递归调用,并将每个所述指标的第一指标值确定为对应指标的目标值;或者当每个所述指标的计算公式的运算右因子不为空时,判断每个所述指标的计算公式的运算右因子是否叶子节点指标,当每个所述指标的计算公式的运算右因子为叶子节点指标时,从所述预设的配置表中获取所述运算右因子的第二指标值,将每个所述指标的第一指标值和第二指标值加载至对应指标的计算公式中进行计算,得到每个所述指标的第三指标值,结束所述第一次递归调用,并将每个所述指标的第三指标值确定为对应指标的目标值;或者
当每个所述指标的计算公式的运算左因子不为叶子节点指标时,将所述运算左因子确定为入参,重新调用每个所述指标的计算公式进行第二次递归调用。
可选地,所述方法还包括:
当每个所述指标的计算公式的运算右因子不为叶子节点指标时,将所述运算右因子确定为入参,重新调用每个所述指标的计算公式进行第二次递归调用。
可选地,所述根据所述多个图表属性和多个指标判断预设的配置表中是否存在可视化图表编码包括:
将所述多个图表属性和多个指标与预设的配置表中每个图表编码对应的多个图表属性和多个指标进行完全匹配;
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标完全匹配时,确定所述预设的配置表中存在可视化图表编码;或者
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标不完全匹配时,确定所述预设的配置表中不存在可视化图表编码。
可选地,所述方法还包括:
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标完全匹配时,将所述任意一个图表编码确定为可视化图表编码,从所述预设的配置表中调出所述可视化图表编码关联的可视化图表,并展示所述可视化图表。
可选地,所述基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表包括:
对每个所述指标的目标值按照所述图表生成请求中对应指标的预设格式进行转换,得到每个所述指标的展示值;
根据所述多个图表属性对每个所述指标的展示值进行布局,生成可视化图表。
可选地,所述方法还包括:
当所述预设的配置表中不存在可视化图表编码时,根据所述多个图表属性和多个指标生成与所述预设的配置表中的编码不重复的随机的编号,并将所述编号确定为可视化图表编码。
本发明的第二方面提供一种基于人工智能的图表生成装置,所述装置包括:
解析模块,用于解析接收的图表生成请求,获取多个图表属性及多个指标;
判断模块,用于根据所述多个图表属性和多个指标,判断预设的配置表中是否存在可视化图表编码;
获取模块,用于当所述预设的配置表中不存在可视化图表编码时,调用后端接口从预设的配置表中获取每个所述指标的计算公式;
递归调用模块,用于基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值;
生成模块,用于基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表。
本发明的第三方面提供一种电子设备,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述的基于人工智能的图表生成方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的基于人工智能的图表生成方法。
综上所述,本发明所述的基于人工智能的图表生成方法、装置、电子设备及介质,一方面,当确定所述预设的配置表中存在可视化图表编码时,前端调用后端接口时,只需要根据所述可视化图表编码,即可调取到可视化图表并进行展示,提高了可视化图表的生成效率,同时,由于可视化图表是直接从预设的配置表中调取的,不需要重新根据所述多个图表属性和多个指标进行创建,确保了可视化图表的准确性及生成效率;另一方面,通过在预先设置配置表的过程中,将每个指标的计算公式转换为二叉树,可以保证不同图表中的指标相互验证的一致性,同时,针对所有图表配置了一个后端接口,提高了后端接口的维护效率,解决了现有的一个图表配置一个后端接口导致的后端接口数据量非常多,更新和维护后端接口的工作量大,且容易出错的问题,在后续计算每个指标的目标值的过程中,只要使用的叶子节点相同,计算得到的每个目标的目标值是固定的,降低了错误率,提高了可视化图表的生成准确率。
附图说明
图1是本发明实施例一提供的基于人工智能的图表生成方法的流程图。
图2是本发明实施例一提供的每个指标的计算公式在预设的配置表中的存储形式的示意图。
图3是本发明实施例一提供的每个指标的计算公式转换为二叉树的示意图。
图4是本发明实施例二提供的基于人工智能的图表生成装置的结构图。
图5是本发明实施例三提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
图1是本发明实施例一提供的基于人工智能的图表生成方法的流程图。
在本实施例中,所述基于人工智能的图表生成方法可以应用于电子设备中,对于需要进行基于人工智能的图表生成的电子设备,可以直接在电子设备上集成本发明的方法所提供的基于人工智能的图表生成的功能,或者以软件开发工具包(SoftwareDevelopment Kit,SDK)的形式运行在电子设备中。
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习、深度学习等几大方向。
如图1所示,所述基于人工智能的图表生成方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
S11,解析接收的图表生成请求,获取多个图表属性及多个指标。
本实施例中,用户在进行图表生成时,通过客户端发起图表生成请求至服务端,具体地,所述客户端可以是智能手机、IPAD或者其他现有的智能设备,所述服务端可以为图表生成子系统,在图表生成过程中,如所述客户端可以向图表生成子系统发送图表生成请求,所述图表生成子系统用于接收所述客户端发送的图表生成请求,并对所述图表生成请求进行解析。
具体地,图表属性包括以下一种或者多种方式的组合:图表的类型、图表的期数、图表的频率、图表的维度信息。
本实施例中,所述图表的类型用以表示后端接口返回的JSON数据的结构,所述图表的类型可以包括:饼图、柱形图、折线图、组合图、地图等;所述图表的期数用以表示每个叶子节点查询数据的日期范围;所述图表的频率用以表示汇总的数据的日期范围以及数据粒度;所述图表的维度信息用以表示数据的汇总粒度。
本实施例中,指标用以表征用户需要创建可视化图表所需的指标,例如,用户想要展示当年12个月的销量值,需要获取当年的12个月的每个月的销量值,将每个月的销量值确定为一个指标。
S12,根据所述多个图表属性和多个指标,判断预设的配置表中是否存在可视化图表编码。
本实施例中,可以预先设置配置表,其中,所述预设的配置表根据历史图表中的数据确定的,配置表中包含有历史图表编码、历史指标及每个指标的计算公式等。
所述可视化图表编码用以表征用户需要展示的可视化图表的编码,并且每个图表对应不同图表编码。
在一个可选的实施例中,所述根据所述多个图表属性和多个指标判断预设的配置表中是否存在可视化图表编码包括:
将所述多个图表属性和多个指标与预设的配置表中每个图表编码对应的多个图表属性和多个指标进行完全匹配;
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标完全匹配时,确定所述预设的配置表中存在可视化图表编码;或者
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标不完全匹配时,确定所述预设的配置表中不存在可视化图表编码。
本实施例中,一个图表编码对应一个图表,历史图表对应的图表编码预先存储在预设的配置表中,在进行图表创建之前,需要判断是否存在根据所述多个图表属性和多个指标创建的历史图表,当存在根据所述多个图表属性和多个指标创建的历史图表时,确定预设的配置表中存在可视化图表编码;当不存在根据所述多个图表属性和多个指标创建的历史图表时,确定所述用户需要展示的图表为新建图表,不存在可视化图表编码。
进一步地,所述方法还包括:
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标完全匹配时,将所述任意一个图表编码确定为可视化图表编码,从所述预设的配置表中调出所述可视化图表编码关联的可视化图表,并展示所述可视化图表。
本实施例中,当确定所述预设的配置表中存在可视化图表编码时,前端调用后端接口时,只需要根据所述可视化图表编码,即可调取到可视化图表并进行展示,提高了可视化图表的生成效率,同时,由于可视化图表是直接从预设的配置表中调取的,不需要重新根据所述多个图表属性和多个指标进行创建,确保了可视化图表的准确性及生成效率。
进一步地,所述方法还包括:
当所述预设的配置表中不存在可视化图表编码时,根据所述多个图表属性和多个指标生成与所述预设的配置表中的编码不重复的随机的编号,并将所述编号确定为可视化图表编码。
本实施例中,根据所述多个图表属性和多个指标可以采用Java算法生成一个与所述预设的配置表中的编码不重复的随机的编号,也可以根据所述多个图表属性和多个指标可以采用C#生成一个与所述预设的配置表中的编码不重复的随机的编号,例如,在采用C#生成一个与所述预设的配置表中的编码不重复的随机的编号,可以指定随机种子,也可以不指定随机种子,具体地,在指定随机种子时,可以将所述多个图表属性和多个指标的字符串作为随机种子;在不指定随机种子时,可以指定一个int型参数作为随机种子,并采用Random.Next()方法生成一个编码。
本实施例中,在所述预设的配置表中不存在可视化图表编码时,根据多个图表属性和多个指标确定可视化图表编码,便于后续存储根据所述多个图表属性和多个指标创建的可视化图表,后续当其余用户需要根据多个图表属性和多个指标创建图表时,前端调用后端接口时,只需要指定所述可视化图表编码,即可直接调用所述可视化图表编码对应的图表,提高了图表生成效率。
S13,当所述预设的配置表中不存在可视化图表编码时,调用后端接口从预设的配置表中获取每个所述指标的计算公式。
本实施例中,在确定所述预设的配置表中不存在可视化图表编码时,确定需要创建新的图表,故调用后端接口从预设的配置表中获取多个指标对应的计算公式,具体地,每个指标的计算公式用以表征得到每个指标的目标值的逻辑运算表达式,根据每个指标的计算公式可以计算得到每个指标的目标值。
S14,基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值。
本实施例中,在配置表的预设过程中,将每个指标的计算公式转换为一棵二叉树存储至预设的配置表中(如图2和图3所示),在获取每个所述指标的目标值时,一部分指标值可以直接从预设的配置表中获取,还有一部分指标值需要根据对应计算公式计算得到,故需要对每个所述指标的计算公式进行至少一次递归调用。
在一个可选的实施例中,所述基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值包括:
判断每个所述指标的计算公式的运算左因子是否为叶子节点指标;
当每个所述指标的计算公式的运算左因子为叶子节点指标时,从所述预设的配置表中获取所述运算左因子的第一指标值;判断每个所述指标的计算公式的运算右因子是否为空;当每个所述指标的计算公式的运算右因子为空时,结束所述第一次递归调用,并将每个所述指标的第一指标值确定为对应指标的目标值;或者当每个所述指标的计算公式的运算右因子不为空时,判断每个所述指标的计算公式的运算右因子是否叶子节点指标,当每个所述指标的计算公式的运算右因子为叶子节点指标时,从所述预设的配置表中获取所述运算右因子的第二指标值,将每个所述指标的第一指标值和第二指标值加载至对应指标的计算公式中进行计算,得到每个所述指标的第三指标值,结束所述第一次递归调用,并将每个所述指标的第三指标值确定为对应指标的目标值。
进一步地,当每个所述指标的计算公式的运算左因子不为叶子节点指标时,所述方法还包括:
将所述运算左因子确定为入参,重新调用每个所述指标的计算公式进行第二次递归调用。
进一步地,当每个所述指标的计算公式的运算右因子不为叶子节点指标时,所述方法还包括:
将所述运算右因子确定为入参,重新调用每个所述指标的计算公式进行第二次递归调用。
本实施例中,通过在预先设置配置表的过程中,将每个指标的计算公式转换为二叉树,可以保证不同图表中的指标相互验证的一致性,同时,本实施例针对所有图表配置了一个后端接口,提高了后端接口的维护效率,解决了现有的一个图表配置一个后端接口导致的后端接口数据量非常多,更新和维护后端接口的工作量大,且容易出错的问题,在后续计算每个指标的目标值的过程中,只要使用的叶子节点相同,计算得到的每个目标的目标值是固定的,降低了错误率,提高了可视化图表的生成准确率。
S15,基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表。
本实施例中,所述可视化图表指的是从一个后端接口获取的多个指标的目标值,根据所述多个图表属性生成的图表。
在一个可选的实施例中,所述基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表包括:
对每个所述指标的目标值按照所述图表生成请求中对应指标的预设格式进行转换,得到每个所述指标的展示值;
根据所述多个图表属性对每个所述指标的展示值进行布局,生成可视化图表。
具体地,对每个所述指标的展示值进行布局的过程中,可以采用拖拽操作和/或缩放操作。
进一步地,所述方法还包括:
当所述可视化图表需要更新指标时,响应于更新指令获取新指标;
将所述预设的配置表中的所述可视化图表的可视化图表编码对应的指标更新为所述新指标。
本实施例中,更新指标包括修改或者新增指标,在进行图表的指标更新时,无需修改后端接口程序,只需要在预设的配置表中修改或者新增指标,减少了后端接口程序的工作,同时减少了因为修改后端接口引起的BUG,提高了图表生成子系统的程序稳定性。
进一步地,在基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表之后,所述方法还包括:
将所述可视化图表反馈至所述图表生成请求中的设备端,并在所述设备端的界面展示所述可视化图表。
所述设备端指的是用户需要展示所述可视化图表对应的界面。
综上所述,本实施例所述的基于人工智能的图表生成方法,一方面,当确定所述预设的配置表中存在可视化图表编码时,前端调用后端接口时,只需要根据所述可视化图表编码,即可调取到可视化图表并进行展示,提高了可视化图表的生成效率,同时,由于可视化图表是直接从预设的配置表中调取的,不需要重新根据所述多个图表属性和多个指标进行创建,确保了可视化图表的准确性及生成效率;另一方面,通过在预先设置配置表的过程中,将每个指标的计算公式转换为二叉树,可以保证不同图表中的指标相互验证的一致性,同时,本实施例针对所有图表配置了一个后端接口,提高了后端接口的维护效率,解决了现有的一个图表配置一个后端接口导致的后端接口数据量非常多,更新和维护后端接口的工作量大,且容易出错的问题,在后续计算每个指标的目标值的过程中,只要使用的叶子节点相同,计算得到的每个目标的目标值是固定的,降低了错误率,提高了可视化图表的生成准确率;最后,在进行图表的指标更新时,无需修改后端接口程序,只需要在预设的配置表中修改或者新增指标,减少了后端接口程序的工作,同时减少了因为修改后端接口引起的BUG,提高了图表生成子系统的程序稳定性。
实施例二
图4是本发明实施例二提供的基于人工智能的图表生成装置的结构图。
在一些实施例中,所述基于人工智能的图表生成装置20可以包括多个由程序代码段所组成的功能模块。所述基于人工智能的图表生成装置20中的各个程序段的程序代码可以存储于电子设备的存储器中,并由所述至少一个处理器所执行,以执行(详见图1至图3描述)基于人工智能的图表生成的功能。
本实施例中,所述基于人工智能的图表生成装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:解析模块201、判断模块202、获取模块203、递归调用模块204、生成模块205、更新模块206及展示模块207。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
解析模块201,用于解析接收的图表生成请求,获取多个图表属性及多个指标。
本实施例中,用户在进行图表生成时,通过客户端发起图表生成请求至服务端,具体地,所述客户端可以是智能手机、IPAD或者其他现有的智能设备,所述服务端可以为图表生成子系统,在图表生成过程中,如所述客户端可以向图表生成子系统发送图表生成请求,所述图表生成子系统用于接收所述客户端发送的图表生成请求,并对所述图表生成请求进行解析。
具体地,图表属性包括以下一种或者多种方式的组合:图表的类型、图表的期数、图表的频率、图表的维度信息。
本实施例中,所述图表的类型用以表示后端接口返回的JSON数据的结构,所述图表的类型可以包括:饼图、柱形图、折线图、组合图、地图等;所述图表的期数用以表示每个叶子节点查询数据的日期范围;所述图表的频率用以表示汇总的数据的日期范围以及数据粒度;所述图表的维度信息用以表示数据的汇总粒度。
本实施例中,指标用以表征用户需要创建可视化图表所需的指标,例如,用户想要展示当年12个月的销量值,需要获取当年的12个月的每个月的销量值,将每个月的销量值确定为一个指标。
判断模块202,用于根据所述多个图表属性和多个指标,判断预设的配置表中是否存在可视化图表编码。
本实施例中,可以预先设置配置表,其中,所述预设的配置表根据历史图表中的数据确定的,配置表中包含有历史图表编码、历史指标及每个指标的计算公式等。
所述可视化图表编码用以表征用户需要展示的可视化图表的编码,并且每个图表对应不同图表编码。
在一个可选的实施例中,所述判断模块202根据所述多个图表属性和多个指标判断预设的配置表中是否存在可视化图表编码包括:
将所述多个图表属性和多个指标与预设的配置表中每个图表编码对应的多个图表属性和多个指标进行完全匹配;
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标完全匹配时,确定所述预设的配置表中存在可视化图表编码;或者
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标不完全匹配时,确定所述预设的配置表中不存在可视化图表编码。
本实施例中,一个图表编码对应一个图表,历史图表对应的图表编码预先存储在预设的配置表中,在进行图表创建之前,需要判断是否存在根据所述多个图表属性和多个指标创建的历史图表,当存在根据所述多个图表属性和多个指标创建的历史图表时,确定预设的配置表中存在可视化图表编码;当不存在根据所述多个图表属性和多个指标创建的历史图表时,确定所述用户需要展示的图表为新建图表,不存在可视化图表编码。
进一步地,当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标完全匹配时,将所述任意一个图表编码确定为可视化图表编码,从所述预设的配置表中调出所述可视化图表编码关联的可视化图表,并展示所述可视化图表。
本实施例中,当确定所述预设的配置表中存在可视化图表编码时,前端调用后端接口时,只需要根据所述可视化图表编码,即可调取到可视化图表并进行展示,提高了可视化图表的生成效率,同时,由于可视化图表是直接从预设的配置表中调取的,不需要重新根据所述多个图表属性和多个指标进行创建,确保了可视化图表的准确性及生成效率。
进一步地,当所述预设的配置表中不存在可视化图表编码时,根据所述多个图表属性和多个指标生成与所述预设的配置表中的编码不重复的随机的编号,并将所述编号确定为可视化图表编码。
本实施例中,根据所述多个图表属性和多个指标可以采用Java算法生成一个与所述预设的配置表中的编码不重复的随机的编号,也可以根据所述多个图表属性和多个指标可以采用C#生成一个与所述预设的配置表中的编码不重复的随机的编号,例如,在采用C#生成一个与所述预设的配置表中的编码不重复的随机的编号,可以指定随机种子,也可以不指定随机种子,具体地,在指定随机种子时,可以将所述多个图表属性和多个指标的字符串作为随机种子;在不指定随机种子时,可以指定一个int型参数作为随机种子,并采用Random.Next()方法生成一个编码。
本实施例中,在所述预设的配置表中不存在可视化图表编码时,根据多个图表属性和多个指标确定可视化图表编码,便于后续存储根据所述多个图表属性和多个指标创建的可视化图表,后续当其余用户需要根据多个图表属性和多个指标创建图表时,前端调用后端接口时,只需要指定所述可视化图表编码,即可直接调用所述可视化图表编码对应的图表,提高了图表生成效率。
获取模块203,用于当所述预设的配置表中不存在可视化图表编码时,调用后端接口从预设的配置表中获取每个所述指标的计算公式。
本实施例中,在确定所述预设的配置表中不存在可视化图表编码时,确定需要创建新的图表,故调用后端接口从预设的配置表中获取多个指标对应的计算公式,具体地,每个指标的计算公式用以表征得到每个指标的目标值的逻辑运算表达式,根据每个指标的计算公式可以计算得到每个指标的目标值。
递归调用模块204,用于基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值。
本实施例中,在配置表的预设过程中,将每个指标的计算公式转换为一棵二叉树存储至预设的配置表中(如图2和图3所示),在获取每个所述指标的目标值时,一部分指标值可以直接从预设的配置表中获取,还有一部分指标值需要根据对应计算公式计算得到,故需要对每个所述指标的计算公式进行至少一次递归调用。
在一个可选的实施例中,所述递归调用模块204基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值包括:
判断每个所述指标的计算公式的运算左因子是否为叶子节点指标;
当每个所述指标的计算公式的运算左因子为叶子节点指标时,从所述预设的配置表中获取所述运算左因子的第一指标值;判断每个所述指标的计算公式的运算右因子是否为空;当每个所述指标的计算公式的运算右因子为空时,结束所述第一次递归调用,并将每个所述指标的第一指标值确定为对应指标的目标值;或者当每个所述指标的计算公式的运算右因子不为空时,判断每个所述指标的计算公式的运算右因子是否叶子节点指标,当每个所述指标的计算公式的运算右因子为叶子节点指标时,从所述预设的配置表中获取所述运算右因子的第二指标值,将每个所述指标的第一指标值和第二指标值加载至对应指标的计算公式中进行计算,得到每个所述指标的第三指标值,结束所述第一次递归调用,并将每个所述指标的第三指标值确定为对应指标的目标值。
进一步地,当每个所述指标的计算公式的运算左因子不为叶子节点指标时,所述方法还包括:
将所述运算左因子确定为入参,重新调用每个所述指标的计算公式进行第二次递归调用。
进一步地,当每个所述指标的计算公式的运算右因子不为叶子节点指标时,所述方法还包括:
将所述运算右因子确定为入参,重新调用每个所述指标的计算公式进行第二次递归调用。
本实施例中,通过在预先设置配置表的过程中,将每个指标的计算公式转换为二叉树,可以保证不同图表中的指标相互验证的一致性,同时,本实施例针对所有图表配置了一个后端接口,提高了后端接口的维护效率,解决了现有的一个图表配置一个后端接口导致的后端接口数据量非常多,更新和维护后端接口的工作量大,且容易出错的问题,在后续计算每个指标的目标值的过程中,只要使用的叶子节点相同,计算得到的每个目标的目标值是固定的,降低了错误率,提高了可视化图表的生成准确率。
生成模块205,用于基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表。
本实施例中,所述可视化图表指的是从一个后端接口获取的多个指标的目标值,根据所述多个图表属性生成的图表。
在一个可选的实施例中,所述生成模块205基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表包括:
对每个所述指标的目标值按照所述图表生成请求中对应指标的预设格式进行转换,得到每个所述指标的展示值;
根据所述多个图表属性对每个所述指标的展示值进行布局,生成可视化图表。
具体地,对每个所述指标的展示值进行布局的过程中,可以采用拖拽操作和/或缩放操作。
进一步地,更新模块206,用于当所述可视化图表需要更新指标时,响应于更新指令获取新指标;将所述预设的配置表中的所述可视化图表的可视化图表编码对应的指标更新为所述新指标。
本实施例中,更新指标包括修改或者新增指标,在进行图表的指标更新时,无需修改后端接口程序,只需要在预设的配置表中修改或者新增指标,减少了后端接口程序的工作,同时减少了因为修改后端接口引起的BUG,提高了图表生成子系统的程序稳定性。
进一步地,在基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表之后,展示模块207,用于将所述可视化图表反馈至所述图表生成请求中的设备端,并在所述设备端的界面展示所述可视化图表。
所述设备端指的是用户需要展示所述可视化图表对应的界面。
综上所述,本实施例所述的基于人工智能的图表生成装置,一方面,当确定所述预设的配置表中存在可视化图表编码时,前端调用后端接口时,只需要根据所述可视化图表编码,即可调取到可视化图表并进行展示,提高了可视化图表的生成效率,同时,由于可视化图表是直接从预设的配置表中调取的,不需要重新根据所述多个图表属性和多个指标进行创建,确保了可视化图表的准确性及生成效率;另一方面,通过在预先设置配置表的过程中,将每个指标的计算公式转换为二叉树,可以保证不同图表中的指标相互验证的一致性,同时,本实施例针对所有图表配置了一个后端接口,提高了后端接口的维护效率,解决了现有的一个图表配置一个后端接口导致的后端接口数据量非常多,更新和维护后端接口的工作量大,且容易出错的问题,在后续计算每个指标的目标值的过程中,只要使用的叶子节点相同,计算得到的每个目标的目标值是固定的,降低了错误率,提高了可视化图表的生成准确率;最后,在进行图表的指标更新时,无需修改后端接口程序,只需要在预设的配置表中修改或者新增指标,减少了后端接口程序的工作,同时减少了因为修改后端接口引起的BUG,提高了图表生成子系统的程序稳定性。
实施例三
参阅图5所示,为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中,所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图5示出的电子设备的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述电子设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述电子设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31用于存储程序代码和各种数据,例如安装在所述电子设备3中的基于人工智能的图表生成装置20,并在电子设备3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中,所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述电子设备3的控制核心(Control Unit),利用各种接口和线路连接整个电子设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行电子设备3的各种功能和处理数据。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述电子设备3还可以包括给各个部件供电的电源(比如电池),可选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中,结合图4,所述至少一个处理器32可执行所述电子设备3的操作装置以及安装的各类应用程序(如所述的基于人工智能的图表生成装置20)、程序代码等,例如,上述的各个模块。
所述存储器31中存储有程序代码,且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如,图4中所述的各个模块是存储在所述存储器31中的程序代码,并由所述至少一个处理器32所执行,从而实现所述各个模块的功能以达到基于人工智能的图表生成的目的。
示例性的,所述程序代码可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器32执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述程序代码在所述电子设备3中的执行过程。例如,所述程序代码可以被分割成解析模块201、判断模块202、获取模块203、递归调用模块204、生成模块205、更新模块206及展示模块207。
在本发明的一个实施例中,所述存储器31存储多个计算机可读指令,所述多个计算机可读指令被所述至少一个处理器32所执行以实现基于人工智能的图表生成的功能。
具体地,所述至少一个处理器32对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于人工智能的图表生成方法,其特征在于,所述方法包括:
解析接收的图表生成请求,获取多个图表属性及多个指标;
根据所述多个图表属性和多个指标,判断预设的配置表中是否存在可视化图表编码;
当所述预设的配置表中不存在可视化图表编码时,调用后端接口从预设的配置表中获取每个所述指标的计算公式;
基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值;
基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表。
2.如权利要求1所述的基于人工智能的图表生成方法,其特征在于,所述基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值包括:
判断每个所述指标的计算公式的运算左因子是否为叶子节点指标;
当每个所述指标的计算公式的运算左因子为叶子节点指标时,从所述预设的配置表中获取所述运算左因子的第一指标值;判断每个所述指标的计算公式的运算右因子是否为空;当每个所述指标的计算公式的运算右因子为空时,结束所述第一次递归调用,并将每个所述指标的第一指标值确定为对应指标的目标值;或者当每个所述指标的计算公式的运算右因子不为空时,判断每个所述指标的计算公式的运算右因子是否叶子节点指标,当每个所述指标的计算公式的运算右因子为叶子节点指标时,从所述预设的配置表中获取所述运算右因子的第二指标值,将每个所述指标的第一指标值和第二指标值加载至对应指标的计算公式中进行计算,得到每个所述指标的第三指标值,结束所述第一次递归调用,并将每个所述指标的第三指标值确定为对应指标的目标值;或者
当每个所述指标的计算公式的运算左因子不为叶子节点指标时,将所述运算左因子确定为入参,重新调用每个所述指标的计算公式进行第二次递归调用。
3.如权利要求2所述的基于人工智能的图表生成方法,其特征在于,所述方法还包括:
当每个所述指标的计算公式的运算右因子不为叶子节点指标时,将所述运算右因子确定为入参,重新调用每个所述指标的计算公式进行第二次递归调用。
4.如权利要求1所述的基于人工智能的图表生成方法,其特征在于,所述根据所述多个图表属性和多个指标判断预设的配置表中是否存在可视化图表编码包括:
将所述多个图表属性和多个指标与预设的配置表中每个图表编码对应的多个图表属性和多个指标进行完全匹配;
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标完全匹配时,确定所述预设的配置表中存在可视化图表编码;或者
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标不完全匹配时,确定所述预设的配置表中不存在可视化图表编码。
5.如权利要求4所述的基于人工智能的图表生成方法,其特征在于,所述方法还包括:
当所述多个图表属性和多个指标与预设的配置表中的任意一个图表编码对应的多个图表属性和多个指标完全匹配时,将所述任意一个图表编码确定为可视化图表编码,从所述预设的配置表中调出所述可视化图表编码关联的可视化图表,并展示所述可视化图表。
6.如权利要求1所述的基于人工智能的图表生成方法,其特征在于,所述基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表包括:
对每个所述指标的目标值按照所述图表生成请求中对应指标的预设格式进行转换,得到每个所述指标的展示值;
根据所述多个图表属性对每个所述指标的展示值进行布局,生成可视化图表。
7.如权利要求1所述的基于人工智能的图表生成方法,其特征在于,所述方法还包括:
当所述预设的配置表中不存在可视化图表编码时,根据所述多个图表属性和多个指标生成与所述预设的配置表中的编码不重复的随机的编号,并将所述编号确定为可视化图表编码。
8.一种基于人工智能的图表生成装置,其特征在于,所述装置包括:
解析模块,用于解析接收的图表生成请求,获取多个图表属性及多个指标;
判断模块,用于根据所述多个图表属性和多个指标,判断预设的配置表中是否存在可视化图表编码;
获取模块,用于当所述预设的配置表中不存在可视化图表编码时,调用后端接口从预设的配置表中获取每个所述指标的计算公式;
递归调用模块,用于基于每个所述指标的计算公式进行第一次递归调用,得到每个所述指标的目标值;
生成模块,用于基于所述多个指标的多个目标值及所述多个图表属性生成可视化图表。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的基于人工智能的图表生成方法。
10.一种计算机可读存储介质,所述计算机可读存储介质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中任意一项所述的基于人工智能的图表生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110961683.7A CN113627144A (zh) | 2021-08-20 | 2021-08-20 | 基于人工智能的图表生成方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110961683.7A CN113627144A (zh) | 2021-08-20 | 2021-08-20 | 基于人工智能的图表生成方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627144A true CN113627144A (zh) | 2021-11-09 |
Family
ID=78387083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110961683.7A Pending CN113627144A (zh) | 2021-08-20 | 2021-08-20 | 基于人工智能的图表生成方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627144A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070168578A1 (en) * | 2005-10-27 | 2007-07-19 | International Business Machines Corporation | System and method for data collection interface creation and data collection administration |
US20120313949A1 (en) * | 2011-06-07 | 2012-12-13 | International Business Machines Corporation | Automatic Selection of Different Visualizations for the Organization of Multivariate Data |
CN104268428A (zh) * | 2014-10-14 | 2015-01-07 | 国家电网公司 | 一种用于指标计算的可视化配置方法 |
CN106598988A (zh) * | 2015-10-16 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种数据处理方法和设备 |
WO2018107610A1 (zh) * | 2016-12-15 | 2018-06-21 | 平安科技(深圳)有限公司 | 业务数据处理方法、系统、设备及计算机可读存储介质 |
CN109299169A (zh) * | 2018-10-24 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 数据可视化方法、系统、终端及计算机可读存储介质 |
CN110335009A (zh) * | 2019-05-24 | 2019-10-15 | 平安科技(深圳)有限公司 | 报表生成方法、装置、计算机设备及存储介质 |
US20200401299A1 (en) * | 2018-09-04 | 2020-12-24 | Facebook, Inc. | Systems and methods for providing a user interface for dynamically generating charts |
KR102226536B1 (ko) * | 2020-12-09 | 2021-03-11 | 주식회사 이글루시큐리티 | 인공지능모델을 이용하여 보안 데이터를 적용할 차트를 추천하는 방법, 장치 및 프로그램 |
CN113254735A (zh) * | 2021-04-09 | 2021-08-13 | 深圳市怡化时代科技有限公司 | 图表可视化方法、装置、存储介质和计算机设备 |
-
2021
- 2021-08-20 CN CN202110961683.7A patent/CN113627144A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070168578A1 (en) * | 2005-10-27 | 2007-07-19 | International Business Machines Corporation | System and method for data collection interface creation and data collection administration |
US20120313949A1 (en) * | 2011-06-07 | 2012-12-13 | International Business Machines Corporation | Automatic Selection of Different Visualizations for the Organization of Multivariate Data |
CN104268428A (zh) * | 2014-10-14 | 2015-01-07 | 国家电网公司 | 一种用于指标计算的可视化配置方法 |
CN106598988A (zh) * | 2015-10-16 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种数据处理方法和设备 |
WO2018107610A1 (zh) * | 2016-12-15 | 2018-06-21 | 平安科技(深圳)有限公司 | 业务数据处理方法、系统、设备及计算机可读存储介质 |
US20200401299A1 (en) * | 2018-09-04 | 2020-12-24 | Facebook, Inc. | Systems and methods for providing a user interface for dynamically generating charts |
CN109299169A (zh) * | 2018-10-24 | 2019-02-01 | 中国平安人寿保险股份有限公司 | 数据可视化方法、系统、终端及计算机可读存储介质 |
CN110335009A (zh) * | 2019-05-24 | 2019-10-15 | 平安科技(深圳)有限公司 | 报表生成方法、装置、计算机设备及存储介质 |
KR102226536B1 (ko) * | 2020-12-09 | 2021-03-11 | 주식회사 이글루시큐리티 | 인공지능모델을 이용하여 보안 데이터를 적용할 차트를 추천하는 방법, 장치 및 프로그램 |
CN113254735A (zh) * | 2021-04-09 | 2021-08-13 | 深圳市怡化时代科技有限公司 | 图表可视化方法、装置、存储介质和计算机设备 |
Non-Patent Citations (3)
Title |
---|
JAMES WALKER ET AL.: "TimeNotes: A Study on Effective Chart Visualization and Interaction Techniques for Time-Series Data", IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS, vol. 22, 31 January 2016 (2016-01-31), pages 549 - 558, XP011588358, DOI: 10.1109/TVCG.2015.2467751 * |
汪聘: "基于大数据挖掘和数据可视化技术的银行风险监控系统研究", 中国优秀硕士学位论文全文数据库信息科技辑, no. 2, 15 February 2018 (2018-02-15), pages 140 - 1357 * |
马楠;袁晓如;: "面向分析任务的表格数据可视化交互构建", 计算机辅助设计与图形学学报, no. 10, 15 October 2020 (2020-10-15), pages 1628 - 1636 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241141B (zh) | 深度学习的训练数据处理方法和装置 | |
CN106951254B (zh) | 支付系统中相似业务功能模块复用的方法及装置 | |
CN114840322B (zh) | 任务调度方法及装置、电子设备和存储 | |
US20190006042A1 (en) | A medical data management method, apparatus and medical data system | |
CN112486491A (zh) | 页面生成方法、装置、计算机设备及存储介质 | |
CN112612462A (zh) | 话术配置调整方法、装置、电子设备及存储介质 | |
CN112965903A (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
CN113627144A (zh) | 基于人工智能的图表生成方法、装置、电子设备及介质 | |
CN115061895A (zh) | 业务流程编排方法、装置、电子设备及存储介质 | |
CN115543534A (zh) | 训练任务的管理方法、装置、电子设备及存储介质 | |
CN114860346A (zh) | 建模任务的管理方法和建模任务的运行方法 | |
CN115203435A (zh) | 基于知识图谱的实体关系生成方法及数据查询方法 | |
CN112130849B (zh) | 代码自动生成方法及装置 | |
CN115237706A (zh) | 埋点数据处理方法、装置、电子设备及存储介质 | |
CN114881313A (zh) | 基于人工智能的行为预测方法、装置及相关设备 | |
CN114840522A (zh) | 基于人工智能的数据查询方法、装置、电子设备及介质 | |
CN114398345A (zh) | 数据迁移方法、装置、计算机设备及存储介质 | |
US20210026888A1 (en) | Visualization of a query result of time series data | |
CN113282795B (zh) | 数据结构图生成及更新方法、装置、电子设备及存储介质 | |
CN111159237A (zh) | 系统数据分发方法、装置、存储介质及电子设备 | |
CN114637564B (zh) | 数据可视化方法、装置、电子设备及存储介质 | |
CN113282795A (zh) | 数据结构图生成及更新方法、装置、电子设备及存储介质 | |
US11740986B2 (en) | System and method for automated desktop analytics triggers | |
CN113722590B (zh) | 基于人工智能的医学信息推荐方法、装置、设备及介质 | |
US20230135064A1 (en) | Workflow-specific recommendation framework |
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 |