CN113721894A - 一种基于力导向算法模型的关联关系图绘制方法 - Google Patents
一种基于力导向算法模型的关联关系图绘制方法 Download PDFInfo
- Publication number
- CN113721894A CN113721894A CN202111084057.0A CN202111084057A CN113721894A CN 113721894 A CN113721894 A CN 113721894A CN 202111084057 A CN202111084057 A CN 202111084057A CN 113721894 A CN113721894 A CN 113721894A
- Authority
- CN
- China
- Prior art keywords
- force
- nodes
- data
- incidence relation
- relation graph
- 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 36
- 238000006073 displacement reaction Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000013079 data visualisation Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010924 continuous production Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
Abstract
本发明提供一种基于力导向算法模型的关联关系图绘制方法,涉及数据可视化绘制关联关系图技术领域,包括数据解析、实例化力模型、绘制关联关系、快捷菜单、绑定交互事件和更新位置,实例化力模型,基于力导算法配置实例化力模型初始参数,计算节点和边的位移;初始参数、计算位移的方法不一样生成的关联关系图效果也不一样,力模型多次迭代计算节点可以高质量生成的布局交叉结点少、结点、边分布均匀、高对称性;基于力向导算法,该算法模拟粒子的物理运动,各自合了相互作用可以均匀的计算出节点的位移;可扩展性较好,可在基础上进行扩展,关系属性可以动态计算添加在两个节点的中间,配合本体的结构化数据可以更好的显示关联关系。
Description
技术领域
本发明涉及数据可视化绘制关联关系图技术领域,具体为一种基于力导向算法模型的关联关系图绘制方法。
背景技术
关联关系图基于图数据库建立关系网络图,是一种可视化的智能分析产品。通过数据抽取和转换,图计算引擎对数据进行查询和分析,实现秒级数据运算和数据可视化,并以图谱的形式展示给用户的图形分析工具。用户可以基于已建好的图谱进行查询、分析和探索。现实生活中可触摸的能看得见的实体(如某个人、某公司、某张银行卡等),或无法触摸肉眼也不可见的某个事故、某个案件、某次意外等,都抽象成图中的节点。而任意两节点与节点间的关系,则抽象成边。图就是由一组一组的节点和边构成的,节点可以有多个属性,边也可以有多个属性,节点可以有圆圈表示,边的关系用方形图表示,源节点与目标节点间的关系用带有箭头的曲线链接。
现有的关联关系图的绘制大多以因果关系进行推理,在每次的迭代计算节点时需要计算每个点受到其它所有点的合力,导致生成的布局交叉结点多、结点、边分布比较复杂,使关联关系图的可视化不能非常直观的表现出来。
发明内容
针对现有技术的不足,本发明提供了一种基于力导向算法模型的关联关系图绘制方法,解决了以因果关系推理的方式推导出的关联关系图中因为迭代中时间复杂度较高的问题,可以更好的更直观的显示关联关系。
为实现以上目的,本发明通过以下技术方案予以实现:一种基于力导向算法模型的关联关系图绘制方法,包括如下步骤:
Sp1:输入JSON数据,从Neo4j数据库读取保存好的关联关系数据;
Sp2:数据解析,根据输入JSON数据,将JSON数据转化成结构化的本体;
Sp3:实例化模型,监听力模型绘制关联关系图的节点;
Sp4:根据节点的位置计算绘制关联关系上的文字位置、曲线位置、箭头位置;
Sp5:根据菜单配置数据和节点的位置绘制快捷菜单;
Sp6:监听绑定交互事件,监听力模型的位置更新事件、监听绑定点击、双击、鼠标移入、鼠标移出、拖拽、缩放事件,调用对应的事件处理函数;
Sp7:判断力模型是否有位置更新或添加和删除操作,当发生位置变更则更新关联关系图中节点、边的位置。
优选的,所述数据解析中的数据括nodes数组、links数组、本体数据的定义,将JSON数据解析成定义的本体数据,再转化成V节点和E边实例,根据本体的type添加对应的draw方法。
优选的,所述本体数据包括本体节点数据、本体边数据和本体箭头数据,所述V节点包括初始半径、宽、高及本体节点数据;所述E边包括初始半径、宽、高及本体边数据。
优选的,所述绘制关联关系为根据本体关联类型定义处理的边,先计算源节点和目标节点之间的中心点位置即关联属性,当位置重叠则增加位移系数,向曲线连线源节点、关联属性、目标节点三个节点,添加属性辅助说明文字信息,箭头指向目标节点。
优选的,所述快捷菜单包括日射环形菜单项的定义以及菜单项的处理函数,而且包括关联关系图节点经常用的添加、删除、搜索功能,当点击节点触发菜单处理函数,当节点未展开单击节点则展开环形菜单,否则收起环形菜单,菜单的位置跟随节点的X,Y轴移动,并且环绕节点。
优选的,所述实例化模型包括配置力的参数、布局区域大小、Node节点大小、半径、碰撞力、电荷力、互斥力、牵引力、中心力、X轴方向力、Y轴方向力和计算节点和边的位移。
优选的,所述根据文字位置、曲线位置、箭头位置构成关联关系图,关联关系图内的曲线定义为直线、折线、圆弧线、二阶贝塞尔曲线、三阶贝塞尔曲线、垂直方向的三阶贝塞尔曲线、水平方向的三阶贝塞尔曲线和自环曲线。
(一)有益效果
本发明提供了一种基于力导向算法模型的关联关系图绘制方法。具备以下有益效果:
1、本发明中的实例化力模型,基于力导算法配置实例化力模型初始参数,计算节点和边的位移;初始参数、计算位移的方法不一样生成的关联关系图效果也不一样,力模型多次迭代计算节点可以高质量生成的布局交叉结点少、结点、边分布均匀、高对称性;基于力向导算法,该算法模拟粒子的物理运动,各自合了相互作用可以均匀的计算出节点的位移;可扩展性较好,可以在其基础上进行扩展,比如固定某些点、让某些点只能在一个固定的轨迹上运。关系属性可以动态计算添加在两个节点的中间,配合本体的结构化数据可以更好的显示关联关系。
2、本发明支持事件交互,利用了力模型的迭代过程,这样可以及时更新位置,布局生成是一个连续的过程,可以将这个过程可视化出来,非常直观;当手动添加、删除某个点后算法重新计算更新关联关系图,而利用力模型的迭代过程可以及时更新位置,布局生成是一个连续的过程,可以将这个过程可视化出来,非常直观。
附图说明
图1为本发明的关联关系框架图;
图2为本发明的构建流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
如图1所示,本发明实施例提供一种基于力导向算法模型的关联关系图绘制方法,包括如下步骤:
Sp1:输入JSON数据,从Neo4j数据库读取保存好的关联关系数据;
Sp2:数据解析,根据输入JSON数据,将JSON数据转化成结构化的本体;
Sp3:实例化模型,监听力模型绘制关联关系图的节点;
Sp4:根据节点的位置计算绘制关联关系上的文字位置、曲线位置、箭头位置;
Sp5:根据菜单配置数据和节点的位置绘制快捷菜单;
Sp6:监听绑定交互事件,监听力模型的位置更新事件、监听绑定点击、双击、鼠标移入、鼠标移出、拖拽、缩放事件,调用对应的事件处理函数;
Sp7:判断力模型是否有位置更新或添加和删除操作,当发生位置变更则更新关联关系图中节点、边的位置。
数据解析成本体,设定本体数据类型并转化成节点和边,并据本体类型添加对应的draw方法;实例化力模型,基于力导算法配置实例化力模型初始参数,计算节点和边的位移;初始参数、计算位移的方法不一样生成的关联关系图效果也不一样;绘制关联关系,根据节点和边的位移计算边上文字、曲线、箭头的位置,以构成关联关系图;快捷菜单,根据节点的位置和菜单配置数据生成快捷操作菜单,支持点击环形展开/收起菜单的交互。
加入数据解析模块,可以解析成本体类型,支持实体的关联关系;再转化成V节点和E边实例,根据本体的数据类型添加对应的draw方法,实现不同节点的绘制方法,而且扩展性好。加入实例化力模型,基于力向导算法,可以高效的计算出节点和边的位置,且任意节点的位置不会重叠。整个关联关系图可以均匀的布局。加入绘制关联关系模块,根据节点的位移计算边上文字、曲线、箭头的位置,该方法可扩展性好可以画出漂亮的曲线,且文字不会发生重叠,兼容性强;加入快捷菜单模块,点击节点,弹出环形菜单,展开或收起子菜单项。快捷菜单项支持动态配置数据,可扩展性好,菜单支持经常使用的添加、删除、探索功能。
实施例二:
如图2所示,数据解析中的数据括nodes数组、links数组、本体数据的定义,将JSON数据解析成定义的本体数据,再转化成V节点和E边实例,根据本体的type添加对应的draw方法。制关联关系为根据本体关联类型定义处理的边,先计算源节点和目标节点之间的中心点位置即关联属性,当位置重叠则增加位移系数,向曲线连线源节点、关联属性、目标节点三个节点,添加属性辅助说明文字信息,箭头指向目标节点。快捷菜单包括日射环形菜单项的定义以及菜单项的处理函数,而且包括关联关系图节点经常用的添加、删除、搜索功能,当点击节点触发菜单处理函数,当节点未展开单击节点则展开环形菜单,否则收起环形菜单,菜单的位置跟随节点的X,Y轴移动,并且环绕节点。实例化模型包括配置力的参数、布局区域大小、Node节点大小、半径、碰撞力、电荷力、互斥力、牵引力、中心力、X轴方向力、Y轴方向力和计算节点和边的位移。
首先,本方法结合实际应用,优化了本体数据的分类定义问题,提出了真实本体数据定义,优化了其应用价值,同时为不同的分类添加了draw方法;其次,在实例化力模型的问题中,力模型多次迭代计算节点可以高质量生成的布局交叉结点少、结点、边分布均匀、高对称性;基于力向导算法,该算法模拟粒子的物理运动,各自合了相互作用可以均匀的计算出节点的位移。可扩展性较好,可以在其基础上进行扩展,比如固定某些点、让某些点只能在一个固定的轨迹上运。关系属性可以动态计算添加在两个节点的中间。配合本体的结构化数据可以更好的显示关联关系;然后,绘制关联关系的方法中,基于节点的位移计算边上文字、曲线、箭头的位置,其计算原理简单,实现起来也很容易,绘制的效果好;最后,监听绑定事件的交互性中,利用了力模型的迭代过程,这样可以及时更新位置,布局生成是一个连续的过程,可以将这个过程可视化出来,非常直观。对于已经稳定的布局甚至可以手动添加某个点,然后算法重要布局,再次形成新的布局。
实施例三:
如图1、2所示,本发明可将普通的关联关系数据转化成结构化得本体数据,根据本体的数据类型添加对应的draw方法;通过力导向算法模型模拟计算节的位移,均匀分布节点位置,有利于揭示事物间关联关系;本发明不仅基于力导向算法计算节点的位置,而且还根据简单数学原理两点距离计算公式,余弦函数公式,计算边上的文字、曲线、箭头位置,同时还对可能重叠的边添加了偏移量处理,有助于整个关联关系图的布局,可以有效防止位置的重叠,更好的显示关联关系本发明支持事件交互,有利用了力模型的迭代过程,这样可以及时更新位置,布局生成是一个连续的过程,可以将这个过程可视化出来,非常直观。当手动添加、删除某个点后算法重新计算更新关联关系图;本发明提供一种基于力导向算法模型的关联关系图绘制方法。技术人员基于力导向算法的设计一个力模拟器把本体数据输入到力模型模拟粒子的碰撞和迁引力计算出本体的布局x,y位置参数,这种方法既提高了数据可视化节点和边的布局美观也描述事物之间关联关系的演化逻辑图。图中的节点表示事物,有向边表示事物之间关联关系。边上标注关联属性信息,构成了一张关联关系社交网络图。提高用户发现节点和边之间的关联关系。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个引用结构”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于力导向算法模型的关联关系图绘制方法,其特征在于,包括如下步骤:
Sp1:输入JSON数据,从Neo4j数据库读取保存好的关联关系数据;
Sp2:数据解析,根据输入JSON数据,将JSON数据转化成结构化的本体;
Sp3:实例化模型,监听力模型绘制关联关系图的节点;
Sp4:根据节点的位置计算绘制关联关系上的文字位置、曲线位置、箭头位置;
Sp5:根据菜单配置数据和节点的位置绘制快捷菜单;
Sp6:监听绑定交互事件,监听力模型的位置更新事件、监听绑定点击、双击、鼠标移入、鼠标移出、拖拽、缩放事件,调用对应的事件处理函数;
Sp7:判断力模型是否有位置更新或添加和删除操作,当发生位置变更则更新关联关系图中节点、边的位置。
2.根据权利要求1所述的一种基于力导向算法模型的关联关系图绘制方法,其特征在于:所述数据解析中的数据括nodes数组、links数组、本体数据的定义,将JSON数据解析成定义的本体数据,再转化成V节点和E边实例,根据本体的type添加对应的draw方法。
3.根据权利要求2所述的一种基于力导向算法模型的关联关系图绘制方法,其特征在于:所述本体数据包括本体节点数据、本体边数据和本体箭头数据,所述V节点包括初始半径、宽、高及本体节点数据;所述E边包括初始半径、宽、高及本体边数据。
4.根据权利要求1所述的一种基于力导向算法模型的关联关系图绘制方法,其特征在于:所述绘制关联关系为根据本体关联类型定义处理的边,先计算源节点和目标节点之间的中心点位置即关联属性,当位置重叠则增加位移系数,向曲线连线源节点、关联属性、目标节点三个节点,添加属性辅助说明文字信息,箭头指向目标节点。
5.根据权利要求1所述的一种基于力导向算法模型的关联关系图绘制方法,其特征在于:所述快捷菜单包括日射环形菜单项的定义以及菜单项的处理函数,而且包括关联关系图节点经常用的添加、删除、搜索功能,当点击节点触发菜单处理函数,当节点未展开单击节点则展开环形菜单,否则收起环形菜单,菜单的位置跟随节点的X,Y轴移动,并且环绕节点。
6.根据权利要求1所述的一种基于力导向算法模型的关联关系图绘制方法,其特征在于:所述实例化模型包括配置力的参数、布局区域大小、Node节点大小、半径、碰撞力、电荷力、互斥力、牵引力、中心力、X轴方向力、Y轴方向力和计算节点和边的位移。
7.根据权利要求1所述的一种基于力导向算法模型的关联关系图绘制方法,其特征在于:所述根据文字位置、曲线位置、箭头位置构成关联关系图,关联关系图内的曲线定义为直线、折线、圆弧线、二阶贝塞尔曲线、三阶贝塞尔曲线、垂直方向的三阶贝塞尔曲线、水平方向的三阶贝塞尔曲线和自环曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111084057.0A CN113721894A (zh) | 2021-09-14 | 2021-09-14 | 一种基于力导向算法模型的关联关系图绘制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111084057.0A CN113721894A (zh) | 2021-09-14 | 2021-09-14 | 一种基于力导向算法模型的关联关系图绘制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113721894A true CN113721894A (zh) | 2021-11-30 |
Family
ID=78683947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111084057.0A Pending CN113721894A (zh) | 2021-09-14 | 2021-09-14 | 一种基于力导向算法模型的关联关系图绘制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113721894A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114637865A (zh) * | 2022-05-12 | 2022-06-17 | 支付宝(杭州)信息技术有限公司 | 关系数据显示方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934205A (zh) * | 2015-12-31 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 一种数据关联关系的展示方法及装置 |
US20190273660A1 (en) * | 2016-12-29 | 2019-09-05 | Ping An Technology (Shenzhen) Co., Ltd. | Network topology self-adapting data visualization method, device, apparatus, and storage medium |
CN110427411A (zh) * | 2019-08-02 | 2019-11-08 | 河南开合软件技术有限公司 | 一种通过图层将关联数据进行可视化的方法 |
CN111813926A (zh) * | 2019-11-13 | 2020-10-23 | 中国传媒大学 | 一种图数据库Neo4J交互可视化的操作方法与系统 |
CN112035667A (zh) * | 2020-09-02 | 2020-12-04 | 河南中原消费金融股份有限公司 | 一种知识图谱展示方法、装置及终端设备 |
CN112507036A (zh) * | 2020-11-30 | 2021-03-16 | 武汉烽火众智数字技术有限责任公司 | 一种知识图谱可视化分析方法 |
CN112597317A (zh) * | 2021-01-11 | 2021-04-02 | 西藏民族大学 | 一种知识图谱可视化方法及系统 |
CN112632196A (zh) * | 2021-01-06 | 2021-04-09 | 中国工商银行股份有限公司 | 一种数据可视化方法、装置及存储介质 |
CN112989028A (zh) * | 2021-02-26 | 2021-06-18 | 江苏大学 | 一种基于力导向算法的知识图谱布局优化方法 |
CN113254670A (zh) * | 2021-06-16 | 2021-08-13 | 中国科学院自动化研究所 | 基于力导向的知识图谱可视化方法 |
-
2021
- 2021-09-14 CN CN202111084057.0A patent/CN113721894A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934205A (zh) * | 2015-12-31 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 一种数据关联关系的展示方法及装置 |
US20190273660A1 (en) * | 2016-12-29 | 2019-09-05 | Ping An Technology (Shenzhen) Co., Ltd. | Network topology self-adapting data visualization method, device, apparatus, and storage medium |
CN110427411A (zh) * | 2019-08-02 | 2019-11-08 | 河南开合软件技术有限公司 | 一种通过图层将关联数据进行可视化的方法 |
CN111813926A (zh) * | 2019-11-13 | 2020-10-23 | 中国传媒大学 | 一种图数据库Neo4J交互可视化的操作方法与系统 |
CN112035667A (zh) * | 2020-09-02 | 2020-12-04 | 河南中原消费金融股份有限公司 | 一种知识图谱展示方法、装置及终端设备 |
CN112507036A (zh) * | 2020-11-30 | 2021-03-16 | 武汉烽火众智数字技术有限责任公司 | 一种知识图谱可视化分析方法 |
CN112632196A (zh) * | 2021-01-06 | 2021-04-09 | 中国工商银行股份有限公司 | 一种数据可视化方法、装置及存储介质 |
CN112597317A (zh) * | 2021-01-11 | 2021-04-02 | 西藏民族大学 | 一种知识图谱可视化方法及系统 |
CN112989028A (zh) * | 2021-02-26 | 2021-06-18 | 江苏大学 | 一种基于力导向算法的知识图谱布局优化方法 |
CN113254670A (zh) * | 2021-06-16 | 2021-08-13 | 中国科学院自动化研究所 | 基于力导向的知识图谱可视化方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114637865A (zh) * | 2022-05-12 | 2022-06-17 | 支付宝(杭州)信息技术有限公司 | 关系数据显示方法及装置 |
CN114637865B (zh) * | 2022-05-12 | 2022-08-23 | 支付宝(杭州)信息技术有限公司 | 关系数据显示方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102186864B1 (ko) | 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체 | |
Keller et al. | Visualising change propagation | |
JP6278639B2 (ja) | 初期データ可視化に基づいた、データのための代替可視化の決定方法 | |
CN110889014B (zh) | 一种基于d3的企业关联关系图谱的展示方法 | |
WO2021073076A1 (zh) | 用于可视化电子表格的方法、装置、设备及存储介质 | |
CN113721894A (zh) | 一种基于力导向算法模型的关联关系图绘制方法 | |
Škrlj et al. | Py3plex toolkit for visualization and analysis of multilayer networks | |
Gao et al. | A data structure for studying 3D modeling design behavior based on event logs | |
Silva et al. | Visualization and analysis of schema and instances of ontologies for improving user tasks and knowledge discovery | |
Wang et al. | Hierarchical visualization of geographical areal data with spatial attribute association | |
CN113626116B (zh) | 智能学习系统及数据分析方法 | |
CN106527912B (zh) | 一种基于Voronoi树图的信息检索可视化系统及方法 | |
US20120256926A1 (en) | Gesture, text, and shape recognition based data visualization | |
Debiasi et al. | Supervised force directed algorithm for the generation of flow maps | |
US20140075386A1 (en) | Keyboard-based navigation of a user interface | |
Melo et al. | Cubix: A visual analytics tool for conceptual and semantic data | |
Cunha et al. | The many-faced plot: strategy for automatic glyph generation | |
Hsieh et al. | Efficient Mining of Profit Rules from Closed Inter-Transaction Itemsets. | |
Morgan et al. | VizDSL: towards a graphical visualisation language for enterprise systems interoperability | |
Zhang et al. | Deep first formal concept search | |
Osechkina et al. | Multistroke mouse gestures recognition in QReal metaCASE Technology | |
Piotrowski et al. | Enhanced interactive parallel coordinates using machine learning and uncertainty propagation for engineering design | |
Carcangiu et al. | Gesture modelling and recognition by integrating declarative models and pattern recognition algorithms | |
CN111581815A (zh) | 一种基于xml的工艺模型本体构建方法 | |
Nielsen et al. | Scribble query: Fluid touch brushing for multivariate data visualization |
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 |