CN113761334A - 一种可视化推荐方法、装置、设备和存储介质 - Google Patents
一种可视化推荐方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113761334A CN113761334A CN202011272324.2A CN202011272324A CN113761334A CN 113761334 A CN113761334 A CN 113761334A CN 202011272324 A CN202011272324 A CN 202011272324A CN 113761334 A CN113761334 A CN 113761334A
- Authority
- CN
- China
- Prior art keywords
- visualized
- field
- preset
- data
- chart
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000012800 visualization Methods 0.000 claims abstract description 99
- 238000012216 screening Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims description 42
- 238000005259 measurement Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000007794 visualization technique Methods 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 39
- 230000006870 function Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Abstract
本发明实施例公开了一种可视化推荐方法、装置、设备和存储介质。其中,方法包括:解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字;根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据;根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表;根据所述目标可视化图表对所述待可视化数据进行可视化展示。通过本发明实施例的技术方案,可以实现根据用户输入的自然语言,解析出其关注的数据,并自动推荐最适宜展示这些数据的图表类型,降低了可视化系统的开发成本。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种可视化推荐方法、装置、设备和存储介质。
背景技术
近年来,在BI(Business Intelligence,商业智能)平台建设中,可视化推荐(Visualization Recommendation)技术是关注度较高的应用技术。可视化推荐具体是根据用户的个性化需求,以可视化方式自动呈现其感兴趣的数据,不仅能够避免大量手动操作,提升工作效率,也能节省BI平台的运算资源。
目前,一些BI产品主要是通过编码方法,建立从数据到几何标记(如点、线、面、矩形、圆)的视觉属性(如位置、长度、颜色、角度等)的映射,从而形成推荐规则,用以推荐图表类型,或是,采用机器学习方法,从各列或列组合的数据特点中提取特征进行训练,输出各列的推荐可视化形式等技术手段实现可视化推荐功能。
但是,在实现本发明的过程中,发明人发现现有技术中至少存在以下技术问题:采用几何标记编码方式或采用机器学习方法,需要做大量的准备工作,如建立几何标记映射或采用大量的样本进行机器学习,导致可视化推荐功能开发成本较高,而且可视化推荐结果为固定模式的图表,不能满足用户的个性化需求。
发明内容
本发明实施例提供了一种可视化推荐方法、装置、设备和存储介质,以实现根据用户输入的自然语言分析出用户关注的数据,并自动推荐适合展示用户关注的数据的图表类型。
第一方面,本发明实施例提供了一种可视化推荐方法,该方法包括:
解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字;
根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据;
根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表;
根据所述目标可视化图表对所述待可视化数据进行可视化展示。
可选的,所述根据解析结果提取所述需求文本中的待可视化字段信息,包括:
将字段信息库中的字段逐一与所述需求文本进行匹配,找出所述需求文本中与各字段的相似度大于或等于预设阈值的文本子串;
针对每一个字段,将相似度大于或等于预设阈值的文本子串中,相似度最高的文本子串以及对应的相似度和字段名称作为一个元素保存到字段匹配集合中;
将所述字段匹配集合中各元素按照相似度数值进行降序排列,并根据预设待可视化字段限制数量从降序排列后的字段匹配集合中提取待可视化字段,得到待可视化字段集合。
可选的,所述根据预设待可视化字段限制数量从降序排列后的字段匹配集合中提取待可视化字段,得到待可视化字段集合,包括:
当待可视化字段集合中元素数量小于所述预设待可视化字段限制数量时,依次读取降序排列后的字段匹配集合中的元素;
判断读取的所述字段匹配集合的当前元素中文本子串是否与所述待可视化字段集合中字段对应的文本子串重复,若是,则读取当前元素的下一个元素,并重复本步骤判断;
否则,将当前元素的中的字段信息作为待可视化字段信息存入待可视化字段集合,并在所述需求文本中标记该待可视化字段信息对应的文本子串。
可选的,所述待可视化字段信息的类别包括维度字段和度量字段,其中,所述维度字段包括时间维度字段和空间维度字段,所述度量字段包括可加度量字段和不可加度量字段,所述可加度量字段是指对应数据能够进行数学运算的字段。
可选的,所述根据解析结果提取所述需求文本中的预设类别关键字:
识别需求文本中与待可视化字段信息对应的文本子串之外的文本内容;
在所述文本内容中提取出预设类别的关键字;
其中,所述预设类别的关键字包括:用于数据筛选的第一预设类别的关键字、用于数据处理的第二预设类别的关键字、以及用于图表类型推荐的的第三预设类别的关键字。
可选的,所述根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据,包括:
根据待可视化字段信息筛选出数据对象中的列数据;
根据所述第一预设类别的关键字对所述列数据进行行筛选;
根据所述第二预设类别的关键字将行筛选得到的数据进行处理得到待可视化数据。
可选的,所述预设可视化推荐模型包括:可视化图表类型与专有系数映射的第一映射关系、可视化图表类型与第三预设类型关键字的第二映射关系、以及可视化图表类型与维度字段值去重计数值的第三映射关系;
其中,所述专有系数是根据每种可视化图表类型所需的字段类型构成计算得到的系数。
可选的,所述根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表,包括:
根据所述预设可视化推荐模型确定至少一个备选图表,并计算每一个备选图表的最终推荐值;
根据所述各备选图表的最终推荐值确定目标可视化图表。
可选的,所述根据所述预设可视化推荐模型确定至少一个备选图表,并计算每一个备选图表的最终推荐值,包括:
基于所述第一映射关系,通过待可视化字段信息的数量和类别,确定符合条件的备选图表集合;
当所述备选图表集合为非空集合时,针对备选图表集合中每一个备选图表,基于所述第二映射关系,当所述第三预设类型的关键字中包含至少一个与备选图表对应的关键字时,使该备选图表的专有系数作为初始推荐值与预设放大系数相乘至少一次,得到第一调整推荐值;
基于所述第三映射关系,当所述待可视化字段信息中,存在一个或多个维度字段的计数值大于预设参考值时,根据所述计数值与所述预设参考值的差值对所述第一调整推荐值进行更新得到最终推荐值。
可选的,所述根据所述各备选图表的最终推荐值确定目标可视化图表,包括:
将所述各备选图表的最终推荐值进行排序,并展示排序结果,以供用户进行目标可视化图表进行选择,并根据用户的选择确定目标可视化图表;
或者,将所述各备选图表中最终推荐值最高的备选图表作为目标可视化图表。
可选的,所述第一预设类别的关键字包括年、月以及日中的至少一个,第二预设类别的关键字包括每月、累计、以及平均中的一个,第三预设类别的关键字包括趋势、百分比、占比、排名以及分布中的至少一个。
第二方面,本发明实施例还提供了一种可视化推荐装置,该装置包括:
信息提取模块,用于解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字;
可视化数据获取模块,用于根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据;
目标可视化图表确定模块,用于根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表;
可视化展示模块,用于根据所述目标可视化图表对所述待可视化数据进行可视化展示。
可选的,所述信息提取模块包括:
字段匹配单元,用于将字段信息库中的字段逐一与所述需求文本进行匹配,找出所述需求文本中与各字段的相似度大于或等于预设阈值的文本子串;
字段集合生成单元,用于针对每一个字段,将相似度大于或等于预设阈值的文本子串中,相似度最高的文本子串以及对应的相似度和字段名称作为一个元素保存到字段匹配集合中;
可视化字段提取单元,用于将所述字段匹配集合中各元素按照相似度数值进行降序排列,并根据预设待可视化字段限制数量从降序排列后的字段匹配集合中提取待可视化字段,得到待可视化字段集合。
可选的,所述可视化字段提取单元具体用于:
当待可视化字段集合中元素数量小于所述预设待可视化字段限制数量时,依次读取降序排列后的字段匹配集合中的元素;
判断读取的所述字段匹配集合的当前元素中文本子串是否与所述待可视化字段集合中字段对应的文本子串重复,若是,则读取当前元素的下一个元素,并重复本步骤判断;
否则,将当前元素的中的字段信息作为待可视化字段信息存入待可视化字段集合,并在所述需求文本中标记该待可视化字段信息对应的文本子串。
可选的,所述待可视化字段信息的类别包括维度字段和度量字段,其中,所述维度字段包括时间维度字段和空间维度字段,所述度量字段包括可加度量字段和不可加度量字段,所述可加度量字段是指对应数据能够进行数学运算的字段。
可选的,所述信息提取模块还用于:
识别需求文本中与待可视化字段信息对应的文本子串之外的文本内容;
在所述文本内容中提取出预设类别的关键字;
其中,所述预设类别的关键字包括:用于数据筛选的第一预设类别的关键字、用于数据处理的第二预设类别的关键字、以及用于图表类型推荐的的第三预设类别的关键字。
可选的,所述可视化数据获取模块具体用于包括:
根据待可视化字段信息筛选出数据对象中的列数据;
根据所述第一预设类别的关键字对所述列数据进行行筛选;
根据所述第二预设类别的关键字将行筛选得到的数据进行处理得到待可视化数据。
可选的,所述预设可视化推荐模型包括:可视化图表类型与专有系数映射的第一映射关系、可视化图表类型与第三预设类型关键字的第二映射关系、以及可视化图表类型与维度字段值去重计数值的第三映射关系;
其中,所述专有系数是根据每种可视化图表类型所需的字段类型构成计算得到的系数。
可选的,目标可视化图表确定模块具体用于:
根据所述预设可视化推荐模型确定至少一个备选图表,并计算每一个备选图表的最终推荐值;
根据所述各备选图表的最终推荐值确定目标可视化图表。
可选的,所目标可视化图表确定模块具体用于:
基于所述第一映射关系,通过待可视化字段信息的数量和类别,确定符合条件的备选图表集合;
当所述备选图表集合为非空集合时,针对备选图表集合中每一个备选图表,基于所述第二映射关系,当所述第三预设类型的关键字中包含至少一个与备选图表对应的关键字时,使该备选图表的专有系数作为初始推荐值与预设放大系数相乘至少一次,得到第一调整推荐值;
基于所述第三映射关系,当所述待可视化字段信息中,存在一个或多个维度字段的计数值大于预设参考值时,根据所述计数值与所述预设参考值的差值对所述第一调整推荐值进行更新得到最终推荐值。
可选的,所述目标可视化图表确定模块,还用于:
将所述各备选图表的最终推荐值进行排序,并展示排序结果,以供用户进行目标可视化图表进行选择,并根据用户的选择确定目标可视化图表;
或者,将所述各备选图表中最终推荐值最高的备选图表作为目标可视化图表。
可选的,所述第一预设类别的关键字包括年、月以及日中的至少一个,第二预设类别的关键字包括每月、累计、以及平均中的一个,第三预设类别的关键字包括趋势、百分比、占比、排名以及分布中的至少一个。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,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本发明任意实施例所提供的可视化推荐方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的可视化推荐方法。
上述发明中的实施例具有如下优点或有益效果:
通过解析用户输入的需求文本并从中提取出待可视化字段信息和预设类别关键字,进而根据待可视化字段信息和预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据,根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表,并根据目标可视化图表对待可视化数据进行可视化展示。实现了根据用户输入的自然语言,解析出其关注的数据,并自动推荐最适宜展示这些数据的图表类型,降低了可视化系统的开发成本。
附图说明
图1是本发明实施例一提供的一种可视化推荐方法的流程图;
图2是本发明实施例二提供的一种可视化推荐方法的流程图;
图3是本发明实施例三提供的一种可视化推荐装置的结构示意图;
图4是本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种可视化推荐方法的流程图,本实施例可适用于BI平台的可视化推荐功能,为用户可视化展示感兴趣的数据的情况。该方法可以通过可视化推荐装置实现,该装置配置于服务器中,具体可通过服务器中的软件和/或硬件来实施。
如图1所示,可视化推荐方法具体包括如下内容:
S110、解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字。
具体的,需求文本可以是用户在具有可视化功能的平台输入的文本内容,如BI平台以及问答平台,用户通过输入需求文本表达出需求以及目的,以获取对应的可视化的展示结果。例如,需求文本的内容是“A公司员工在近3个月的绩效统计结果”。
进一步的,便开始对需求文本进行分析,首先,通过与字段数据库中的字段进行匹配的方式,从需求文本中确定待可视化字段信息。其中,字段数据库可以是平台自带的,是基于数据库中各数据表的列名称组成的一个字段数据库,包含全部可选字段的英文名称(即数据表中的字段原名,如“age”)、中文名称(如“age”对应的含义为“年龄”)、数据类型(string、int、double等,如“age”对应的数据类型为double)、字段类型等信息。在本实施例中,待可视化字段信息的类别包括维度字段和度量字段。其中,维度字段包括时间维度字段和空间维度字段,例如,时间维度字段包括入职时间、成交时间或统计时间等字段内容,空间维度字段包括年龄、性别、部门或级别等方面的字段内容,空间维度字段下的具体内容是可枚举的。而度量字段包括可加度量字段和不可加度量字段,可加度量字段是指对应数据能够进行数学运算的字段,例如一个可加度量字段为营业额,营业额数据是可以进行数学运算统计的,而不可加字段如部门名称,该字段下对应的内容为A部门、B部门以及C部门,通常不会对三个部门名称进行数学上的运算,无实际意义,因此该类字段定义为不可加度量字段。
然后,再从需求文本中的,未与字段数据库中任一字段匹配成功的本文内容中识别预设类别的关键字。具体可以采用正则表达式匹配法或其他自然语言解析方法来识别关键字。在本实施例中,预设类别的关键字包括:用于数据筛选的第一预设类别的关键字、用于数据处理的第二预设类别的关键字、以及用于图表类型推荐的第三预设类别的关键字。示例性的,第一预设类别的关键字是与数据筛选相关的语句,如“(时间)到(时间)”、“(维度字段枚举值)和(维度字段枚举值)”、“(数值)年(数值)月”、“(C中某度量字段)大于(数值)的”、“近(数字)个月”等。第二预设类别的关键字是与数据处理相关的语句,如“按(某字段)”对应“group by(分组汇总)某字段”的操作,“每月”对应将日期字段进行按月分组聚合处理。第三预设类别关键字是与推荐图表类型相关的语句,对应着一些图表类型的特征,如“趋势”(倾向折线图/双线图)、“百分比”(倾向饼形图/环形图/百分比柱形图/百分比水平条形图)、“占比”(同“百分比”)及“排名”(倾向水平条形图/柱形图)、“分布”(倾向热力图/箱线图)等。
S120、根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据。
具体的,首先,根据待可视化字段信息筛选出数据对象中的列数据。数据对象是与平台连接的数据库中的所有数据内容。通过待可视化字段信息可以找到对应的数据表中的列数据。然后,根据第一预设类别的关键字对初步筛选出的列数据进行行筛选。示例性的,通过可视化字段信息姓名和成交金额,找出了某公司各销售人员的销售数据表,一列是销售人员姓名,一列是具体的成交金额。然后,根据第一预设类别的关键字为“上午十点至下午两点时间段内”,按照这两列数据写入表格的时间顺序,筛选从上午十点至下午两点间的销售数据,完成行筛选。这里需要说明的是,将待可视化字段信息用于做列筛选时,若待可视化字段信息中的所有字段在同一张数据表上,则只需对该数据表做列切片处理。若字段位于不同表上,则需对这些表做关联处理(将涉及到的数据表进行列拼接),然后进行列切片操作。
最后,根据所述第二预设类别的关键字将行筛选得到的数据进行处理得到待可视化数据。可以按某字段进行分组聚合运算(求和、求均值、计数)、日期字段形式转化(由日转化为月/季度/年)等处理操作。例如,计算各销售人员在从上午十点至下午两点间的销售金额总和,将每个销售人员在指定时间段内多次成交金额进行累加计算得到经过初步处理的待可视化数据。
S130、根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表。
其中,预设可视化推荐模型是在本实施例中定义各一个模型,包括可视化图表类型与专有系数映射的第一映射关系、可视化图表类型与第三预设类型关键字的第二映射关系、以及可视化图表类型与维度字段值去重计数值的第三映射关系;其中,所述专有系数是根据每种可视化图表类型所需的字段类型构成计算得到的系数。具体的,通过第一映射关系,可以找出适宜待可视化字段信息的图表类型;通过第二映射关系,可以筛选出更为符合用户期望的图表类型,如第三预设类型的关键字为“趋势”,对应着倾向折线图/双线图,通过这两种类型的图表能够展示出数据的趋势特点;通过第三映射关系,可以从图表的易读性角度考虑,筛选出目标图表类型。也就是说,基于上述三种映射,可视化推荐模型分别从字段类型、用户的主观倾向和图表的易读性三个角度形成推荐逻辑,为用户推荐可视化图表。
S140、根据所述目标可视化图表对所述待可视化数据进行可视化展示。
当经过上述步骤之后,便可以得到为用户推荐的一个或多个可视化图表类型,可以直接用其中的一个图表展示待可视化数据,也可以由用户从多个可视化图表类型中选择出一种图表进行数据可视化展示。
本实施例的技术方案,通过解析用户输入的需求文本并从中提取出待可视化字段信息和预设类别关键字,进而根据待可视化字段信息和预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据,根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表,并根据目标可视化图表对待可视化数据进行可视化展示。实现了根据用户输入的自然语言,解析出其关注的数据,并自动推荐最适宜展示这些数据的图表类型,降低了可视化系统的开发成本。
实施例二
图2为本发明实施例二提供的一种可视化推荐方法的流程图,本实施例在上述实施例的基础上,进一步说明提取需求文本中的待可视化字段信息以及量化计算可视化图表推荐值的过程。其中与上述实施例相同或相应的术语的解释在此不再赘述。
参见图2,本实施例提供的可视化推荐方法具体包括以下步骤:
S210、解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字。
具体的,首先,将字段信息库中的字段逐一与需求文本进行匹配,找出需求文本中与各字段的相似度大于或等于预设阈值α的文本子串。其中,α∈(0,1),可以跟据对字段匹配的精确度要求自行设定,通常α的取值范围为0.85-0.9。字段数据库可以是平台自带的,是基于数据库中各数据表的列名称组成的一个字段数据库,包含全部可选字段的英文名称(即数据表中的字段原名,如“age”)、中文名称(如“age”对应的含义为“年龄”)、数据类型(string、int、double等,如“age”对应的数据类型为double)、字段类型等信息。
然后,针对每一个字段,将相似度大于或等于预设阈值的文本子串中,相似度最高的文本子串以及对应的相似度和字段名称作为一个元素保存到字段匹配集合中。也就是说,针对一个字段来说,可能在需求文本中匹配到了多个相似度大于或等于预设阈值的文本子串中,只取其中数值最大的相似度对应的文本子串作为该字段对应的文本子串。再将“字段名称,相似度,文本子串”整体作为一个元素保存到字段匹配集合M中。在未将元素保存到M时,M是经过初始化的空集合,也就是说,如果在该步骤中,有两个字段在需求文本中匹配到了相似度大于或等于预设阈值α的文本子串,在M中就会有2个元素。
进而,将字段匹配集合M中各元素按照相似度数值进行降序排列,并根据预设待可视化字段限制数量从降序排列后的字段匹配集合中提取待可视化字段,得到待可视化字段集合。预设待可视化字段限制数量n是由各类型图表中可以展示的最大字段数确定的,假设所有的图表类型中最多能展示6个字段,那么n的数值为6。具体的操作步骤可以是,判断待可视化字段集合中元素数量是否小于n,如果是,则依次读取降序排列后的字段匹配集合M中的元素,否则停止读取M中的元素。针对当前读取的元素,判断当前元素中文本子串是否与待可视化字段集合中字段对应的文本子串重复,若是,则读取当前元素的下一个元素,并重复本步骤判断;否则,将当前元素的中的字段信息作为待可视化字段信息存入待可视化字段集合C(在未放入待可视化字段信息前,C为空集),并在需求文本中标记该待可视化字段信息对应的文本子串。这是因为,有可能不同的字段匹配到了同一个文字子串,在本实施例中,为了消除歧义,只将文本子串归属到一个字段下。此外,将待可视化字段信息对应的文本子串标记出来,也是为了避免在后续识别预设类型关键字时,赋予文本子串多重意义造成歧义。
最后,可以采用正则表达式匹配法或其他自然语言解析方法,在没有被标记的文本内容中识别关键字。
S220、根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据。
该步骤的具体内容可参考步骤S120的相关描述。
S230、根据所述预设可视化推荐模型确定至少一个备选图表,并计算每一个备选图表的最终推荐值。
具体的,计算图表推荐值的过程是根据预设可视化推荐模型的三个映射关系,一一映射并计算确定的。
首先,基于预设可视化推荐模型的第一映射关系,通过待可视化字段信息的数量和类别,确定符合条件的备选图表集合。第一映射关系可参考表1中展示的具体的映射关系。例如,若C中有1个维度字段和2个度量字段,则备选图表集合G={双柱图,双线图,散点图}。
各图表对应的专有系数表示根据每种图表所需的字段类型构成,得到其适配数据的专有程度,专有系数的计算是遵循“图表要求越高推荐值越高”的原则,具体计算公式为其中,Sk是图表类型k的专有系数,nk是图表类型k所需的字段类型数,是图表类型k所需字段类型ik的数量,是字段类型ik包含的要素数。例如,堆叠柱形图需要的字段类型构成为“1维度字段+1空间维度字段+1可加度量字段”,其中“维度字段”包含1个要素(即“维度”),“空间维度字段”包含2个要素(“空间”和“维度”),“可加度量字段”包含2个要素(“可加”和“度量”),因此堆叠柱形图的专有系数为1×1+1×2+1×2=5。
然后,当备选图表集合G为非空集合时,针对备选图表集合中每一个备选图表,基于所述第二映射关系,当第三预设类型的关键字中包含至少一个与备选图表对应的关键字时,使该备选图表的专有系数作为初始推荐值与预设放大系数相乘至少一次,得到第一调整推荐值。示例性的,对图表类型k,以其专有系数Sk为推荐值Rk的初始值。根据第二映射关系,若第三预设类别关键字中含有该图表类型对应的关键语句,每包含一条则Rk的值自乘F,其中F>1为放大系数,可根据需要设置具体的数值。例如,第三预设类别关键字中包含“趋势”,对应着双线图,那么G中双线图的第一调整推荐值为专有系数(4)乘以F,如果第三预设类别关键字中还包含一个其他指向双线图的关键字时,第一调整推荐值为专有系数(4)乘以F2。
最后,基于第三映射关系,当所述待可视化字段信息中,存在一个或多个维度字段的计数值大于预设参考值时,根据所述计数值与所述预设参考值的差值对第一调整推荐值进行更新得到最终推荐值Rk。具体的,可以是若任意维度值去重计数大于参考值,设差值为d,则Rk的值减小loga(d+1),其中,底数a可根据需要设置。对每个维度字段,均按上述方式更新Rk。例如,堆叠水平条形图两个维度值去重计数的参考值可分别设为10(垂直展示维度)和5(水平展示维度),柱形图对于空间和时间维度值去重计数的参考值可分别设为10和30。
这里需要说明的是,若表1中某图表类型需要多个维度字段,其不同维度字段值的去重计数的参考值可能不同(如堆叠水平条形图的垂直展示维度和水平展示维度),因此,维度字段的排列对推荐值有影响(如一个字段在X轴表示和在Y轴进行表示,最终图表展示的结果不同)。
S240、根据所述各备选图表的最终推荐值确定目标可视化图表。
具体的,经过计算之后,可以得到了集合G中各个图表的推荐值,进而将各备选图表的最终推荐值进行排序,并展示排序结果,以供用户进行目标可视化图表进行选择,并根据用户的选择确定目标可视化图表。
或者,将各备选图表中最终推荐值最高的备选图表作为目标可视化图表。
这里需要说明的是,对于同一个类型的图表,待可视化字段的排列展示位置不同,得到的推荐值可能不同。也就是说,一个图表类型可能会有多个不同的推荐值,可以将其中推荐值最高的一种字段排列形式展示用户,也可以将所有的结果展示给用户,以供用户进行选择。
S250、根据所述目标可视化图表对所述待可视化数据进行可视化展示。
当用户选定了目标可视化图表后,便可以对待可视化数据进行可视化展示,还可以对不同字段对应的数据进行渲染,增强图表的可读性。
本实施例的技术方案,通过解析用户输入的需求文本并从中提取出待可视化字段信息和预设类别关键字,进而根据待可视化字段信息和预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据,根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表,并根据目标可视化图表对待可视化数据进行可视化展示,其中,预设可视化推荐模型综合考虑字段类型、用户主观倾向和图表的易读性,计算图表类型的推荐值还定义了图表的专有系数,根据图表类型对字段构成的需求,定量地描述其专有程度,作为推荐值计算的基础,实现了根据用户输入的自然语言,解析出其关注的数据,并自动推荐最适宜展示这些数据的图表类型,降低了可视化系统的开发成本。
以下是本发明实施例提供的可视化推荐装置的实施例,该装置与上述各实施例的可视化推荐方法属于同一个发明构思,可通过该可视化推荐装置实现上述各实施例的可视化推荐方法。在可视化推荐装置的实施例中未详尽描述的细节内容,可以参考上述可视化推荐方法的实施例。
实施例三
图3为本发明实施例三提供的一种可视化推荐装置的结构示意图,本实施例可适用于BI平台的可视化推荐功能,为用户可视化展示感兴趣的数据的情况。如图3所示,该装置具体包括信息提取模块310、可视化数据获取模块320、目标可视化图表确定模块330和可视化展示模块340。
其中,信息提取模块310,用于解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字;可视化数据获取模块320,用于根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据;目标可视化图表确定模块330,用于根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表;可视化展示模块340,用于根据所述目标可视化图表对所述待可视化数据进行可视化展示。
本实施例的技术方案,通过解析用户输入的需求文本并从中提取出待可视化字段信息和预设类别关键字,进而根据待可视化字段信息和预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据,根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表,并根据目标可视化图表对待可视化数据进行可视化展示。实现了根据用户输入的自然语言,解析出其关注的数据,并自动推荐最适宜展示这些数据的图表类型,降低了可视化系统的开发成本。
可选的,所述信息提取模块310包括:
字段匹配单元,用于将字段信息库中的字段逐一与所述需求文本进行匹配,找出所述需求文本中与各字段的相似度大于或等于预设阈值的文本子串;
字段集合生成单元,用于针对每一个字段,将相似度大于或等于预设阈值的文本子串中,相似度最高的文本子串以及对应的相似度和字段名称作为一个元素保存到字段匹配集合中;
可视化字段提取单元,用于将所述字段匹配集合中各元素按照相似度数值进行降序排列,并根据预设待可视化字段限制数量从降序排列后的字段匹配集合中提取待可视化字段,得到待可视化字段集合。
可选的,所述可视化字段提取单元具体用于:
当待可视化字段集合中元素数量小于所述预设待可视化字段限制数量时,依次读取降序排列后的字段匹配集合中的元素;
判断读取的所述字段匹配集合的当前元素中文本子串是否与所述待可视化字段集合中字段对应的文本子串重复,若是,则读取当前元素的下一个元素,并重复本步骤判断;
否则,将当前元素的中的字段信息作为待可视化字段信息存入待可视化字段集合,并在所述需求文本中标记该待可视化字段信息对应的文本子串。
可选的,所述待可视化字段信息的类别包括维度字段和度量字段,其中,所述维度字段包括时间维度字段和空间维度字段,所述度量字段包括可加度量字段和不可加度量字段,所述可加度量字段是指对应数据能够进行数学运算的字段。
可选的,所述信息提取模块320还用于:
识别需求文本中与待可视化字段信息对应的文本子串之外的文本内容;
在所述文本内容中提取出预设类别的关键字;
其中,所述预设类别的关键字包括:用于数据筛选的第一预设类别的关键字、用于数据处理的第二预设类别的关键字、以及用于图表类型推荐的的第三预设类别的关键字。
可选的,所述可视化数据获取模块320具体用于:
根据待可视化字段信息筛选出数据对象中的列数据;
根据所述第一预设类别的关键字对所述列数据进行行筛选;
根据所述第二预设类别的关键字将行筛选得到的数据进行处理得到待可视化数据。
可选的,所述预设可视化推荐模型包括:可视化图表类型与专有系数映射的第一映射关系、可视化图表类型与第三预设类型关键字的第二映射关系、以及可视化图表类型与维度字段值去重计数值的第三映射关系;
其中,所述专有系数是根据每种可视化图表类型所需的字段类型构成计算得到的系数。
可选的,目标可视化图表确定模块330具体用于:
根据所述预设可视化推荐模型确定至少一个备选图表,并计算每一个备选图表的最终推荐值;
根据所述各备选图表的最终推荐值确定目标可视化图表。
可选的,所目标可视化图表确定模块具体用于包括:
基于所述第一映射关系,通过待可视化字段信息的数量和类别,确定符合条件的备选图表集合;
当所述备选图表集合为非空集合时,针对备选图表集合中每一个备选图表,基于所述第二映射关系,当所述第三预设类型的关键字中包含至少一个与备选图表对应的关键字时,使该备选图表的专有系数作为初始推荐值与预设放大系数相乘至少一次,得到第一调整推荐值;
基于所述第三映射关系,当所述待可视化字段信息中,存在一个或多个维度字段的计数值大于预设参考值时,根据所述计数值与所述预设参考值的差值对所述第一调整推荐值进行更新得到最终推荐值。
可选的,所述目标可视化图表确定模块330,还用于:
将所述各备选图表的最终推荐值进行排序,并展示排序结果,以供用户进行目标可视化图表进行选择,并根据用户的选择确定目标可视化图表;
或者,将所述各备选图表中最终推荐值最高的备选图表作为目标可视化图表。
可选的,所述第一预设类别的关键字包括年、月以及日中的至少一个,第二预设类别的关键字包括每月、累计、以及平均中的一个,第三预设类别的关键字包括趋势、百分比、占比、排名以及分布中的至少一个。
本发明实施例所提供的可视化推荐装置可执行本发明任意实施例所提供的可视化推荐方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种服务器的结构示意图。图4示出了适于用来实现本发明实施方式的示例性服务器12的框图。图4显示的服务器12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4所示,服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该服务器12交互的设备通信,和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种可视化推荐方法步骤,该方法包括:
解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字;
根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据;
根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表;
根据所述目标可视化图表对所述待可视化数据进行可视化展示。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的可视化推荐方法的技术方案。
实施例五
本实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的可视化推荐方法步骤,该方法包括:
解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字;
根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据;
根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表;
根据所述目标可视化图表对所述待可视化数据进行可视化展示。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种可视化推荐方法,其特征在于,包括:
解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字;
根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据;
根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表;
根据所述目标可视化图表对所述待可视化数据进行可视化展示。
2.根据权利要求1所述的方法,其特征在于,所述根据解析结果提取所述需求文本中的待可视化字段信息,包括:
将字段信息库中的字段逐一与所述需求文本进行匹配,找出所述需求文本中与各字段的相似度大于或等于预设阈值的文本子串;
针对每一个字段,将相似度大于或等于预设阈值的文本子串中,相似度最高的文本子串以及对应的相似度和字段名称作为一个元素保存到字段匹配集合中;
将所述字段匹配集合中各元素按照相似度数值进行降序排列,并根据预设待可视化字段限制数量从降序排列后的字段匹配集合中提取待可视化字段,得到待可视化字段集合。
3.根据权利要求2所述的方法,其特征在于,所述根据预设待可视化字段限制数量从降序排列后的字段匹配集合中提取待可视化字段,得到待可视化字段集合,包括:
当待可视化字段集合中元素数量小于所述预设待可视化字段限制数量时,依次读取降序排列后的字段匹配集合中的元素;
判断读取的所述字段匹配集合的当前元素中文本子串是否与所述待可视化字段集合中字段对应的文本子串重复,若是,则读取当前元素的下一个元素,并重复本步骤判断;
否则,将当前元素的中的字段信息作为待可视化字段信息存入待可视化字段集合,并在所述需求文本中标记该待可视化字段信息对应的文本子串。
4.根据权利要求1-3中任一所述的方法,其特征在于,所述待可视化字段信息的类别包括维度字段和度量字段,其中,所述维度字段包括时间维度字段和空间维度字段,所述度量字段包括可加度量字段和不可加度量字段,所述可加度量字段是指对应数据能够进行数学运算的字段。
5.根据权利要求4所述的方法,其特征在于,所述根据解析结果提取所述需求文本中的预设类别关键字:
识别需求文本中与待可视化字段信息对应的文本子串之外的文本内容;
在所述文本内容中提取出预设类别的关键字;
其中,所述预设类别的关键字包括:用于数据筛选的第一预设类别的关键字、用于数据处理的第二预设类别的关键字、以及用于图表类型推荐的的第三预设类别的关键字。
6.根据权利要求5所述的方法,其特征在于,所述根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据,包括:
根据待可视化字段信息筛选出数据对象中的列数据;
根据所述第一预设类别的关键字对所述列数据进行行筛选;
根据所述第二预设类别的关键字将行筛选得到的数据进行处理得到待可视化数据。
7.根据权利要求5所述的方法,其特征在于,所述预设可视化推荐模型包括:可视化图表类型与专有系数映射的第一映射关系、可视化图表类型与第三预设类型关键字的第二映射关系、以及可视化图表类型与维度字段值去重计数值的第三映射关系;
其中,所述专有系数是根据每种可视化图表类型所需的字段类型构成计算得到的系数。
8.根据权利要求7所述的方法,其特征在于,所述根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表,包括:
根据所述预设可视化推荐模型确定至少一个备选图表,并计算每一个备选图表的最终推荐值;
根据所述各备选图表的最终推荐值确定目标可视化图表。
9.根据权利要求8所述的方法,其特征在于,所述根据所述预设可视化推荐模型确定至少一个备选图表,并计算每一个备选图表的最终推荐值,包括:
基于所述第一映射关系,通过待可视化字段信息的数量和类别,确定符合条件的备选图表集合;
当所述备选图表集合为非空集合时,针对备选图表集合中每一个备选图表,基于所述第二映射关系,当所述第三预设类型的关键字中包含至少一个与备选图表对应的关键字时,使该备选图表的专有系数作为初始推荐值与预设放大系数相乘至少一次,得到第一调整推荐值;
基于所述第三映射关系,当所述待可视化字段信息中,存在一个或多个维度字段的计数值大于预设参考值时,根据所述计数值与所述预设参考值的差值对所述第一调整推荐值进行更新得到最终推荐值。
10.根据权利要求8所述的方法,其特征在于,所述根据所述各备选图表的最终推荐值确定目标可视化图表,包括:
将所述各备选图表的最终推荐值进行排序,并展示排序结果,以供用户进行目标可视化图表进行选择,并根据用户的选择确定目标可视化图表;
或者,将所述各备选图表中最终推荐值最高的备选图表作为目标可视化图表。
11.根据权利要求5所述的方法,其特征在于,所述第一预设类别的关键字包括年、月以及日中的至少一个,第二预设类别的关键字包括每月、累计、以及平均中的一个,第三预设类别的关键字包括趋势、百分比、占比、排名以及分布中的至少一个。
12.一种可视化推荐装置,其特征在于,包括:
信息提取模块,用于解析输入的需求文本,根据解析结果提取所述需求文本中的待可视化字段信息和预设类别关键字;
可视化数据获取模块,用于根据所述待可视化字段信息和所述预设类别关键字对数据对象进行筛选以及处理,得到待可视化数据;
目标可视化图表确定模块,用于根据预设可视化推荐模型确定适用于所述待可视化数据的目标可视化图表;
可视化展示模块,用于根据所述目标可视化图表对所述待可视化数据进行可视化展示。
13.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,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1-11中任一所述的可视化推荐方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-11中任一所述的可视化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011272324.2A CN113761334A (zh) | 2020-11-13 | 2020-11-13 | 一种可视化推荐方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011272324.2A CN113761334A (zh) | 2020-11-13 | 2020-11-13 | 一种可视化推荐方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113761334A true CN113761334A (zh) | 2021-12-07 |
Family
ID=78786017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011272324.2A Pending CN113761334A (zh) | 2020-11-13 | 2020-11-13 | 一种可视化推荐方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113761334A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114936310A (zh) * | 2022-05-19 | 2022-08-23 | 南京数睿数据科技有限公司 | 图表显示方法、装置、电子设备和计算机可读介质 |
WO2023116216A1 (zh) * | 2021-12-23 | 2023-06-29 | 卡奥斯工业智能研究院(青岛)有限公司 | 数据可视化方法、装置、设备及存储介质 |
CN117573847A (zh) * | 2024-01-16 | 2024-02-20 | 浙江同花顺智能科技有限公司 | 可视化答案的生成方法、装置、设备及存储介质 |
CN117874314A (zh) * | 2024-03-13 | 2024-04-12 | 时粤科技(广州)有限公司 | 一种基于大数据处理的信息可视化方法及系统 |
CN117874314B (zh) * | 2024-03-13 | 2024-05-10 | 时粤科技(广州)有限公司 | 一种基于大数据处理的信息可视化方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818148A (zh) * | 2017-10-23 | 2018-03-20 | 南京南瑞集团公司 | 基于自然语言处理的自助式查询统计分析方法 |
WO2018182571A1 (en) * | 2017-03-28 | 2018-10-04 | Intel Corporation | Controlled current flux bias lines in qubit devices |
CN109871524A (zh) * | 2019-02-21 | 2019-06-11 | 腾讯科技(深圳)有限公司 | 一种图表生成方法及装置 |
CN110190364A (zh) * | 2019-05-09 | 2019-08-30 | 浙江浙能技术研究院有限公司 | 一种用于实时微波断层成像的微波开关矩阵 |
CN110649976A (zh) * | 2019-08-21 | 2020-01-03 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 适用于多量子计算机芯片的位态测量读取装置及方法 |
CN111191790A (zh) * | 2018-10-29 | 2020-05-22 | 华为技术有限公司 | 量子比特控制装置 |
CN111211165A (zh) * | 2020-03-09 | 2020-05-29 | 中国科学技术大学 | 一种量子芯片立体结构及其制作和封装方法 |
CN111274267A (zh) * | 2019-12-31 | 2020-06-12 | 杭州量之智能科技有限公司 | 一种数据库查询方法、装置及计算机可读取存储介质 |
CN111460102A (zh) * | 2020-03-31 | 2020-07-28 | 成都数之联科技有限公司 | 一种基于自然语言处理的图表推荐系统及方法 |
US10756004B1 (en) * | 2019-03-28 | 2020-08-25 | Intel Corporation | Quantum computing assemblies with through-hole dies |
CN111896800A (zh) * | 2020-08-10 | 2020-11-06 | 中国计量科学研究院 | 一种基于脉冲驱动交流量子电压源的功率测量装置及方法 |
CN111967603A (zh) * | 2020-09-01 | 2020-11-20 | 腾讯科技(深圳)有限公司 | 量子芯片、量子处理器及量子计算机 |
CN112368940A (zh) * | 2018-07-30 | 2021-02-12 | 国际商业机器公司 | 混合表面声波和微波信号的超导器件的应用 |
CN114111156A (zh) * | 2021-11-29 | 2022-03-01 | 清华大学 | 一种模块化的低温制冷系统装置及搭建方法 |
CN216697325U (zh) * | 2021-12-02 | 2022-06-07 | 合肥本源量子计算科技有限责任公司 | 一种量子控制系统及量子计算机 |
-
2020
- 2020-11-13 CN CN202011272324.2A patent/CN113761334A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018182571A1 (en) * | 2017-03-28 | 2018-10-04 | Intel Corporation | Controlled current flux bias lines in qubit devices |
CN107818148A (zh) * | 2017-10-23 | 2018-03-20 | 南京南瑞集团公司 | 基于自然语言处理的自助式查询统计分析方法 |
CN112368940A (zh) * | 2018-07-30 | 2021-02-12 | 国际商业机器公司 | 混合表面声波和微波信号的超导器件的应用 |
CN111191790A (zh) * | 2018-10-29 | 2020-05-22 | 华为技术有限公司 | 量子比特控制装置 |
CN109871524A (zh) * | 2019-02-21 | 2019-06-11 | 腾讯科技(深圳)有限公司 | 一种图表生成方法及装置 |
US10756004B1 (en) * | 2019-03-28 | 2020-08-25 | Intel Corporation | Quantum computing assemblies with through-hole dies |
CN110190364A (zh) * | 2019-05-09 | 2019-08-30 | 浙江浙能技术研究院有限公司 | 一种用于实时微波断层成像的微波开关矩阵 |
CN110649976A (zh) * | 2019-08-21 | 2020-01-03 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 适用于多量子计算机芯片的位态测量读取装置及方法 |
CN111274267A (zh) * | 2019-12-31 | 2020-06-12 | 杭州量之智能科技有限公司 | 一种数据库查询方法、装置及计算机可读取存储介质 |
CN111211165A (zh) * | 2020-03-09 | 2020-05-29 | 中国科学技术大学 | 一种量子芯片立体结构及其制作和封装方法 |
CN111460102A (zh) * | 2020-03-31 | 2020-07-28 | 成都数之联科技有限公司 | 一种基于自然语言处理的图表推荐系统及方法 |
CN111896800A (zh) * | 2020-08-10 | 2020-11-06 | 中国计量科学研究院 | 一种基于脉冲驱动交流量子电压源的功率测量装置及方法 |
CN111967603A (zh) * | 2020-09-01 | 2020-11-20 | 腾讯科技(深圳)有限公司 | 量子芯片、量子处理器及量子计算机 |
CN114111156A (zh) * | 2021-11-29 | 2022-03-01 | 清华大学 | 一种模块化的低温制冷系统装置及搭建方法 |
CN216697325U (zh) * | 2021-12-02 | 2022-06-07 | 合肥本源量子计算科技有限责任公司 | 一种量子控制系统及量子计算机 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023116216A1 (zh) * | 2021-12-23 | 2023-06-29 | 卡奥斯工业智能研究院(青岛)有限公司 | 数据可视化方法、装置、设备及存储介质 |
CN114936310A (zh) * | 2022-05-19 | 2022-08-23 | 南京数睿数据科技有限公司 | 图表显示方法、装置、电子设备和计算机可读介质 |
CN114936310B (zh) * | 2022-05-19 | 2023-10-27 | 南京数睿数据科技有限公司 | 图表显示方法、装置、电子设备和计算机可读介质 |
CN117573847A (zh) * | 2024-01-16 | 2024-02-20 | 浙江同花顺智能科技有限公司 | 可视化答案的生成方法、装置、设备及存储介质 |
CN117573847B (zh) * | 2024-01-16 | 2024-05-07 | 浙江同花顺智能科技有限公司 | 可视化答案的生成方法、装置、设备及存储介质 |
CN117874314A (zh) * | 2024-03-13 | 2024-04-12 | 时粤科技(广州)有限公司 | 一种基于大数据处理的信息可视化方法及系统 |
CN117874314B (zh) * | 2024-03-13 | 2024-05-10 | 时粤科技(广州)有限公司 | 一种基于大数据处理的信息可视化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10977435B2 (en) | Method, apparatus, and computer-readable medium for visualizing relationships between pairs of columns | |
US10191968B2 (en) | Automated data analysis | |
CN113761334A (zh) | 一种可视化推荐方法、装置、设备和存储介质 | |
US10067964B2 (en) | System and method for analyzing popularity of one or more user defined topics among the big data | |
US11393237B1 (en) | Automatic human-emulative document analysis | |
US10528609B2 (en) | Aggregating procedures for automatic document analysis | |
CN111143505B (zh) | 文档处理方法、装置、介质及电子设备 | |
CN112733042A (zh) | 推荐信息的生成方法、相关装置及计算机程序产品 | |
CN113763502B (zh) | 一种图表生成方法、装置、设备和存储介质 | |
CN113947336A (zh) | 评估投标企业风险的方法、装置、存储介质及计算机设备 | |
CN111612581A (zh) | 一种物品推荐的方法、装置、设备及存储介质 | |
CN111651552A (zh) | 结构化信息确定方法、装置和电子设备 | |
CN114036921A (zh) | 一种政策信息匹配方法和装置 | |
CN109670183B (zh) | 一种文本重要性的计算方法、装置、设备和存储介质 | |
US20230126022A1 (en) | Automatically determining table locations and table cell types | |
US10824606B1 (en) | Standardizing values of a dataset | |
CN113239273B (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN112507098B (zh) | 问题处理方法、装置、电子设备、存储介质及程序产品 | |
US20120029873A1 (en) | Machine-implemented method and an electronic device for graphically illustrating a statistical display based on a set of numerical data, and a computer program product | |
CN113722593A (zh) | 事件数据处理方法、装置、电子设备和介质 | |
GB2608112A (en) | System and method for providing media content | |
US20090259995A1 (en) | Apparatus and Method for Standardizing Textual Elements of an Unstructured Text | |
US20200349227A1 (en) | Analyzing resumes and highlighting non-traditional resumes | |
US20110153627A1 (en) | System and Method of Generating Reusable Distance Measures for Data Processing | |
CN112783410A (zh) | 信息处理方法、介质、装置和计算设备 |
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 |