CN115510119A - 图表推荐方法、装置、设备及存储介质 - Google Patents
图表推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115510119A CN115510119A CN202211175124.4A CN202211175124A CN115510119A CN 115510119 A CN115510119 A CN 115510119A CN 202211175124 A CN202211175124 A CN 202211175124A CN 115510119 A CN115510119 A CN 115510119A
- Authority
- CN
- China
- Prior art keywords
- chart
- user
- preset
- determining
- recommendation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及数据处理技术领域,提供了一种图表推荐方法、装置、设备及存储介质,该方法响应于用户输入的输入数据,根据输入数据和预设图表知识库,确定硬性约束图表集;获取用户的用户数据,根据用户数据,得到用户的喜好加权图表集;根据硬性约束图表集和喜好加权图表集的交集,确定推荐图表集,结合了用户喜好为图表筛选加权,能够根据用户特性为用户推荐更合适的图表,提高了用户体验,且无需人工干预,图表筛选效率高。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种图表推荐方法、装置、设备及存储介质。
背景技术
随着信息技术的发展,越来越多的人开始关注数据科学,希望通过数据分析寻求有价值的数据信息。数据可视化技术作为数据分析的有效工具,可直观、清晰地呈现数据信息。数据可视化主要是借助于图形化手段,清晰有效地传达与沟通信息,通常以图表的形式显示给用户,使用可视化工具创建可视化需要选定图表类型、拖拽相关数据、配置相关属性等一系列较为复杂的操作。
为提升可视化创建的效率,相关技术可以预定义各个图表类型的数据区域特征码;根据用户选择的数据区域生成一组第二数据区域特征码;与数据图表进行匹配,生成推荐图表集。且图表大多基于知识本身,或是根据可视化组件默认为表格,用户需自行选取图表。
然而,现有技术无法为用户精准推荐图表,用户体验性差。
发明内容
本申请提供一种图表推荐方法、装置、设备及存储介质,从而解决现有技术无法为用户精准推荐图表,用户体验性差的技术问题。
第一方面,本申请提供了一种图表推荐方法,包括:
响应于用户输入的输入数据,根据所述输入数据和预设图表知识库,确定硬性约束图表集;
获取所述用户的用户数据,根据所述用户数据,得到所述用户的喜好加权图表集;
根据所述硬性约束图表集和所述喜好加权图表集的交集,确定推荐图表集。
这里,本申请提供的图表推荐方法在为用户推荐图表时,首先根据用户输入的输入数据以及预设图表知识库,自动生成符合用户输入要求的硬性约束图表集,再根据用户数据确定用户的喜好加权图表集,通过喜好加权图表集和硬性约束图表集,最终确定推荐图表集,由于在确定推荐用户图表集的过程中,结合了用户喜好为图表筛选加权,能够根据用户特性为用户推荐更合适的图表,提高了用户体验,且无需人工干预,图表筛选效率高。
可选地,所述根据所述输入数据和预设图表知识库,确定硬性约束图表集,包括:
根据所述输入数据和所述预设图表知识库的预设约束规则,对所述预设图表知识库中的图表知识进行遍历处理,确定硬性约束图表集,其中,所述预设约束规则包括字段、系列、视觉通道配置和图表目的。
其中,本申请的预设图表知识库中包括字段、系列、视觉通道配置和图表目的四部分预设约束规则,可高效、精准根据上述规则准确筛选出贴近用户输入数据的图表,进一步地提高了图表推荐的准确性和效率,提高了用户体验。
可选地,所述根据所述输入数据和所述预设图表知识库的预设约束规则,对所述预设图表知识库中的图表知识进行遍历处理,确定硬性约束图表集,包括:
根据所述输入数据和所述预设图表知识库的字段,对所述预设图表知识库中的图表知识进行遍历处理,确定第一硬性约束图表集;
根据所述输入数据和所述预设图表知识库的系列、视觉通道配置和图表目的中的至少一项,对所述预设图表知识库中的图表知识进行遍历处理,并根据遍历结果对所述第一硬性约束图表集进行加权处理,得到硬性约束图表集。
这里,本申请可根据预设图表知识库的字段作为筛选基准,精准确定符合用户输入数据的第一硬性约束图表集,再将预设图表知识库的系列、视觉通道配置和图表目的中的至少一项作为约束条件,灵活在第一硬性约束图表集中进行筛选,确定硬性约束图表集,进一步地提高了图表推荐的灵活性及准确性。
可选地,所述用户数据包括用户基本信息和用户历史行为;
相应的,所述根据所述用户数据,得到所述用户的喜好加权图表集,包括:
根据所述用户基本信息,确定第一用户相似度;
根据所述用户历史行为,确定第二用户相似度;
根据所述第一用户相似度和所述第二用户相似度,确定与所述用户相似度最高的用户集;
根据所述用户集,确定所述用户的喜好加权图表集。
由于不同岗位不同角色的用户对于可视化图表有不同的需求,相同角色用户对于图表使用可能存在一定共性,而相同的目的又可以用不同的图表进行展现。这里,本申请通过用户基本信息以及用户历史行为筛选出与用户相似度最高的用户集,从而根据该用户集可确定符合用户偏好的喜好加权图表集,为用户推荐图表时,全面结合了用户的偏好,提高了图表推荐的精准性及用户体验。
可选地,所述根据所述用户集,确定所述用户的喜好加权图表集,包括:
根据所述用户集的用户对应的各图表的历史绘制数量与所述用户集的用户对应的总图表数量的比值,确定所述用户集的图表喜爱度;
根据所述图表喜爱度,确定所述用户的喜好加权图表集。
可选地,所述根据所述图表喜爱度,确定所述用户的喜好加权图表集,包括:
将图表喜爱度大于预设喜爱度预设的图表添加至喜好加权图表集;
或者,
按照图表喜爱度由大到小的顺序对所述用户集的用户对应的各图表进行排序,将图表喜爱度排名在预设排名的图表添加至喜好加权图表集。
这里,本申请在确定用户集之后,根据用户集的用户对应的各图表的历史绘制数量与用户集的用户对应的总图表数量的比值吗,可准确确定用户集对所有图表的图表喜爱度,从而准确筛选用户偏好的图表,进一步地提高了图表推荐准确性及用户体验。
可选地,在所述根据所述硬性约束图表集和所述喜好加权图表集的交集,确定推荐图表集之后,还包括:
获取所述推荐图表集中每个推荐图表的推荐加权值,对所述推荐图表进行排序;
按照排序结果的顺序,输出所述推荐图表。
这里,本申请在确定推荐图表集之后,可以按照推荐加权值的顺序输出推荐图表,综合考虑图表加权与相似加权,提高图表推荐效率,提高了用户体验。
第二方面,本申请提供了一种图表推荐装置,包括:
第一确定模块,用于响应于用户输入的输入数据,根据所述输入数据和预设图表知识库,确定硬性约束图表集;
第一处理模块,用于获取所述用户的用户数据,根据所述用户数据,得到所述用户的喜好加权图表集;
第二确定模块,用于根据所述硬性约束图表集和所述喜好加权图表集的交集,确定推荐图表集。
可选地,所述第一确定模块具体用于:
根据所述输入数据和所述预设图表知识库的预设约束规则,对所述预设图表知识库中的图表知识进行遍历处理,确定硬性约束图表集,其中,所述预设约束规则包括字段、系列、视觉通道配置和图表目的。
可选地,所述第一确定模块还具体用于:
根据所述输入数据和所述预设图表知识库的字段,对所述预设图表知识库中的图表知识进行遍历处理,确定第一硬性约束图表集;
根据所述输入数据和所述预设图表知识库的系列、视觉通道配置和图表目的中的至少一项,对所述预设图表知识库中的图表知识进行遍历处理,并根据遍历结果对所述第一硬性约束图表集进行加权处理,得到硬性约束图表集。
可选地,所述用户数据包括用户基本信息和用户历史行为;
相应的,所述第一处理模块具体用于:
根据所述用户基本信息,确定第一用户相似度;
根据所述用户历史行为,确定第二用户相似度;
根据所述第一用户相似度和所述第二用户相似度,确定与所述用户相似度最高的用户集;
根据所述用户集,确定所述用户的喜好加权图表集。
可选地,所述第一处理模块还具体用于:
根据所述用户集的用户对应的各图表的历史绘制数量与所述用户集的用户对应的总图表数量的比值,确定所述用户集的图表喜爱度;
根据所述图表喜爱度,确定所述用户的喜好加权图表集。
可选地,所述第一处理模块还具体用于:
将图表喜爱度大于预设喜爱度预设的图表添加至喜好加权图表集;
或者,
按照图表喜爱度由大到小的顺序对所述用户集的用户对应的各图表进行排序,将图表喜爱度排名在预设排名的图表添加至喜好加权图表集。
可选地,在所述第二确定模块根据所述硬性约束图表集和所述喜好加权图表集的交集,确定推荐图表集之后,上述装置还包括:
输出模块,用于获取所述推荐图表集中每个推荐图表的推荐加权值,对所述推荐图表进行排序;按照排序结果的顺序,输出所述推荐图表。
第三方面,本申请提供一种图表推荐设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的图表推荐方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的图表推荐方法。
第五方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现如上第一方面以及第一方面各种可能的设计所述的图表推荐方法。
本申请提供的图表推荐方法、装置、设备及存储介质,其中该方法在为用户推荐图表时,首先根据用户输入的输入数据以及预设图表知识库,自动生成符合用户输入要求的硬性约束图表集,再根据用户数据确定用户的喜好加权图表集,通过喜好加权图表集和硬性约束图表集,最终确定推荐图表集,由于在确定推荐用户图表集的过程中,结合了用户喜好为图表筛选加权,能够根据用户特性为用户推荐更合适的图表,提高了用户体验,且无需人工干预,图表筛选效率高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种图表推荐系统架构示意图;
图2为本申请实施例提供的一种图表推荐方法的流程示意图;
图3为本申请实施例提供的一种硬性约束图表集确定过程示意图;
图4为本申请实施例提供的一种喜好加权图表集的确定过程示意图;
图5为本申请实施例提供的一种推荐图表集确定过程示意图;
图6为本申请实施例提供的一种图表推荐装置的结构示意图;
图7为本申请实施例提供的一种图表推荐设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”及“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,对本申请出现的术语作出解释:
数据可视化:是关于数据视觉表现形式的科学技术研究。其中,这种数据的视觉表现形式被定义为,一种以某种概要形式抽提出来的信息,包括相应信息单位的各种属性和变量。
数据图表:泛指在屏幕中显示的,可直观展示统计信息属性(时间性、数量性等),对知识挖掘和信息直观生动感受起关键作用的图形结构,是一种将对象属性数据直观、形象地“可视化”的手段。数据图表可以方便地查看数据的差异和预测趋势,使数据比较或数据变化趋势变得一目了然,有助于快速、有效地表达数据关系。图表是生成它的工作数据相链接的。
视觉通道:是可视化中的重要概念。可视化编码由标记和视觉通道组成。标记通常是一些抽象的几何图形元素,如点、线、面、体。视觉通道为标记提供视觉特征,包括位置、大小、形状、颜色、运动方向、色调、亮度等。
推荐算法:是计算机专业中的一种算法,通过一些数学算法,推测出用户可能喜欢的东西,应用推荐算法比较好的地方主要是网络。所谓推荐算法就是利用用户的一些行为,通过一些数学算法,推测出用户可能喜欢的东西
协同过滤推荐算法:是推荐算法中使用较多的一种算法。基本思想在于根据用户的历史喜好以及其他兴趣相近的用户的选择来给用户推荐物品(基于对用户历史行为数据的挖掘发现用户的喜好偏向,并预测用户可能喜好的产品进行推荐),一般是仅仅基于用户的行为数据,而不依赖于项的任何附加信息(物品自身特征)或者用户的任何附加信息(年龄,性别等)。主要分为基于用户的协同过滤算法与基于物品的协同过滤算法。
随着信息技术的发展,越来越多的人开始关注数据科学,希望通过数据分析寻求有价值的数据信息。数据可视化技术作为数据分析的有效工具,可直观、清晰地呈现数据信息,但使用可视化工具创建可视化需要选定图表类型、拖拽相关数据、配置相关属性等一系列较为复杂的操作。不同图表的展示目的不同,需要的数据、配置也有较大差异,这使得现有可视化工具的使用存在一定的知识门槛,用户在可视化探索的过程可能会效率低下。此外,现有的可视化工具对编程能力有一定的要求。
为提升可视化创建的效率,现有技术可以通过预定义各个图表类型的数据区域特征码;根据用户选择的数据区域生成一组第二数据区域特征码;与数据图表进行匹配,生成推荐图表集。然后现有技术虽在一定程度上提升了可视化的创建效率,但仍存在一定的局限性。同一种图表可以有不同的可视化展现目的,而相同的可视化目的又可以用不同的图表进行展现,例如柱状图和条形图同样可以展现不同类别间的比较,而有些用户倾向于使用柱状图,有些用户倾向于使用条形图。同时,不同岗位不同角色的用户对于可视化图表有不同的需求,相同角色用户对于图表使用可能存在一定共性。现有技术无法为用户精准推荐图表,用户体验性差。
为了解决上述问题,本申请实施例提供一种图表推荐方法、装置、设备及存储介质,其中该方法通过喜好加权图表集和硬性约束图表集,最终确定推荐图表集,由于在确定推荐用户图表集的过程中,结合了用户喜好为图表筛选加权,能够根据用户特性为用户推荐更合适的图表,提高了用户体验,且无需人工干预,图表筛选效率高。
现有技术大多基于图表知识本身,或是为可视化组件默认为表格,用户需自行选取图表。图表种类多达数十种,实现相同功能的图表也有多种选项。本申请实施例还提出基于图表知识和协同过滤的智能图表推荐方法,根据图表知识和用户输入筛选出满足硬性条件的图表集,再根据用户信息和用户历史行为数据,对推荐图表进行一个加权,筛选出更符合用户喜好的图表,提高推荐效率。
本申请的技术方案中,所涉及的用户数据等信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
可选的,图1为本申请实施例提供的一种图表推荐系统架构示意图。在图1中,上述架构包括数据采集设备101、处理设备102和显示设备103中至少一种。
可以理解的是,本申请实施例示意的结构并不构成对图表推荐系统架构的具体限定。在本申请另一些可行的实施方式中,上述架构可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置,具体可根据实际应用场景确定,在此不做限制。图1所示的部件可以以硬件,软件,或软件与硬件的组合实现。
在具体实现过程中,数据采集设备101可以包括输入/输出接口,也可以包括通信接口,数据采集设备101可以通过输入/输出接口或者是通信接口与处理设备连接。
处理设备102可以通过喜好加权图表集和硬性约束图表集,最终确定推荐图表集。
显示设备103还可以是触摸显示屏或者终端设备的屏幕,用于显示图表,实现可视化,还可以与用户实现交互。
应理解,上述处理设备可以通过处理器读取存储器中的指令并执行指令的方式实现,也可以通过芯片电路实现。
另外,本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
下面结合具体的实施例对本申请的技术方案进行详细的说明:
可选地,图2为本申请实施例提供的一种图表推荐方法的流程示意图。本申请实施例的执行主体可以为图1中的处理设备102,该处理设备102可以为服务器,具体执行主体可以根据实际应用场景确定。如图2所示,该方法包括如下步骤:
S201:响应于用户输入的输入数据,根据输入数据和预设图表知识库,确定硬性约束图表集。
可选地,输入数据可能为多个字段,用户可通过输入\输出设备、显示屏或者语音等方式输入需要的输入数据。
可选地,根据输入数据和预设图表知识库,确定硬性约束图表集,包括:根据输入数据和预设图表知识库的预设约束规则,对预设图表知识库中的图表知识进行遍历处理,确定硬性约束图表集。、其中,预设约束规则包括字段、系列、视觉通道配置和图表目的。
其中,本申请实施例的预设图表知识库中包括字段、系列、视觉通道配置和图表目的四部分预设约束规则,可高效、精准根据上述规则准确筛选出贴近用户输入数据的图表,进一步地提高了图表推荐的准确性和效率,提高了用户体验。
可选地,根据输入数据和预设图表知识库的预设约束规则,对预设图表知识库中的图表知识进行遍历处理,确定硬性约束图表集,包括:
根据输入数据和预设图表知识库的字段,对预设图表知识库中的图表知识进行遍历处理,确定第一硬性约束图表集;根据输入数据和预设图表知识库的系列、视觉通道配置和图表目的中的至少一项,对预设图表知识库中的图表知识进行遍历处理,并根据遍历结果对第一硬性约束图表集进行加权处理,得到硬性约束图表集。
这里,本申请实施例可根据预设图表知识库的字段作为筛选基准,精准确定符合用户输入数据的第一硬性约束图表集,再将预设图表知识库的系列、视觉通道配置和图表目的中的至少一项作为约束条件,灵活在第一硬性约束图表集中进行筛选,确定硬性约束图表集,进一步地提高了图表推荐的灵活性及准确性。
在一种可能的实现方式中,预设图表知识库预先收集所有图表的相关规则,包含字段、系列、视觉通道配置和图表目的四大部分。其中系列分为颜色、形状、大小三部分;视觉通道配置分为颜色、大小、形状、提示信息、标签、分面六部分;图表目的分为比较、分布、流程、关联、趋势、占比、地图其部分。对各个图表的相关约束进行编码,生成一个图表知识库。其中有些约束为硬性约束,如字段,表示用户输入的目标维度字段,目标度量字段等,推荐规则必须以此为基准;有些约束为软性约束条件,如系列、通道和目的,软性约束条件对图表进行加权。根据硬性约束条件匹配出满足条件的图表集U0,根据软性约束条件对图表进行加权,获取加权排序后的图表集 U1;但若用户指定图表类型时,软性约束不满足时对用户的操作进行约束,而非不展示该图表。例如当用户未指定图表时,根据分析得到的数据为1个连续的日期型维度与1个度量值时,图表目的中趋势的加权值最高。当用户制定了图表为柱状图时,用户若想对大小通道进行操作,则限制其操作,而非改变图表类型。
示范性地,图3为本申请实施例提供的一种硬性约束图表集确定过程示意图,图表集U1为输出的一个硬性约束图表集,图表集U0为第一硬性约束图表集,本申请实施例可分别根据系列、视觉通道配置和图表目的确定三个加权,从而确定准确的图表集U1。
其中,在一种可能的实现方式中,上述加权1、加权2和加权3可以在后续输出时作为推荐加权值为图表排序。
可选地,本申请实施例还可以根据预先存储的用户偏好加权数值,或者是接收用户输入的用户偏好加权数值。来为加权1、加权2和加权3增加权重,例如加权1对应的用户偏好加权数值为20%,加权2对应的用户偏好加权数值为20%,加权3对应的用户偏好加权数值为60%,那么在确定图表集 1之前,需要将每个加权乘以相对应的用户偏好加权数值后,再加权至图表集U0,从而进一步输出贴近用户偏好的图表。
S202:获取用户的用户数据,根据用户数据,得到用户的喜好加权图表集。
可选地,用户数据包括用户基本信息和用户历史行为。相应的,根据用户数据,得到用户的喜好加权图表集,包括:
根据用户基本信息,确定第一用户相似度;根据用户历史行为,确定第二用户相似度;根据第一用户相似度和第二用户相似度,确定与用户相似度最高的用户集;根据用户集,确定用户的喜好加权图表集。
在一种可能的实现方式中,图4为本申请实施例提供的一种喜好加权图表集的确定过程示意图,如图4所示:
基于用户基本信息(用户岗位、用户角色)计算用户相似度α1。
基于用户历史行为计算用户相似度α2。
根据α1*α2,得到用户相似度最高的K个用户集。
获取用户集K对图表的喜好度,喜好度β=(各个图表历史绘制数量/总图表数量),得到喜好加权图表集U2。
由于不同岗位不同角色的用户对于可视化图表有不同的需求,相同角色用户对于图表使用可能存在一定共性,而相同的目的又可以用不同的图表进行展现。这里,本申请实施例通过用户基本信息以及用户历史行为筛选出与用户相似度最高的用户集,从而根据该用户集可确定符合用户偏好的喜好加权图表集,为用户推荐图表时,全面结合了用户的偏好,提高了图表推荐的精准性及用户体验。
可选地,根据用户集,确定用户的喜好加权图表集,包括:根据用户集的用户对应的各图表的历史绘制数量与用户集的用户对应的总图表数量的比值,确定用户集的图表喜爱度;根据图表喜爱度,确定用户的喜好加权图表集。
可选地,根据图表喜爱度,确定用户的喜好加权图表集,包括:将图表喜爱度大于预设喜爱度预设的图表添加至喜好加权图表集;
或者,按照图表喜爱度由大到小的顺序对用户集的用户对应的各图表进行排序,将图表喜爱度排名在预设排名的图表添加至喜好加权图表集。
这里,本申请实施例在确定用户集之后,根据用户集的用户对应的各图表的历史绘制数量与用户集的用户对应的总图表数量的比值,可准确确定用户集对所有图表的图表喜爱度,从而准确筛选用户偏好的图表,进一步地提高了图表推荐准确性及用户体验。
S203:根据硬性约束图表集和喜好加权图表集的交集,确定推荐图表集。
本申请实施例提供的图表推荐方法在为用户推荐图表时,首先根据用户输入的输入数据以及预设图表知识库,自动生成符合用户输入要求的硬性约束图表集,再根据用户数据确定用户的喜好加权图表集,通过喜好加权图表集和硬性约束图表集,最终确定推荐图表集,由于在确定推荐用户图表集的过程中,结合了用户喜好为图表筛选加权,能够根据用户特性为用户推荐更合适的图表,提高了用户体验,且无需人工干预,图表筛选效率高。
可选地,在根据硬性约束图表集和喜好加权图表集的交集,确定推荐图表集之后,还包括:
获取推荐图表集中每个推荐图表的推荐加权值,对推荐图表进行排序;按照排序结果的顺序,输出推荐图表。
可选地,推荐加权值可以是通过预设图表知识库的系列、视觉通道配置和图表目的以及用户的喜好加权图表集中的至少一项得到的推荐加权值。
这里,本申请实施例在确定推荐图表集之后,可以按照推荐加权值的顺序输出推荐图表,综合考虑图表加权与相似加权,提高图表推荐效率,提高了用户体验。
示范性的,图5为本申请实施例提供的一种推荐图表集确定过程示意图,如图5所示,在确定上述硬性约束图表集U1以及喜好加权图表集U2后,取 U1和U2的交集,可得到推荐图表集U。
本申请实施例可以基于图表的基础知识,根据用户输入数据,遍历图表库,选取现有数据情况下的最优图表集为U1,根据用户的注册信息,以及历史行为,筛选出与用户相似度最高的用户集K,根据相似用户对图表的喜好度对图表集U1进行加权,按照加权排序推荐给用户。根据图表知识和用户输入筛选出满足硬性条件的图表集,再根据用户信息和用户历史行为数据,对推荐图表进行一个加权,筛选出更符合用户喜好的图表,提高推荐效率。
图6为本申请实施例提供的一种图表推荐装置的结构示意图,如图6所示,本申请实施例的装置包括:第一确定模块601、第一处理模块602和第二确定模块603。这里的图表推荐装置可以是上述处理装置、处理器、服务器本身,或者是实现处理装置、处理器、服务器的功能的芯片或者集成电路。这里需要说明的是,第一确定模块601、第一处理模块602和第二确定模块603的划分只是一种逻辑功能的划分,物理上两者可以是集成的,也可以是独立的。
其中,第一确定模块,用于响应于用户输入的输入数据,根据输入数据和预设图表知识库,确定硬性约束图表集;
第一处理模块,用于获取用户的用户数据,根据用户数据,得到用户的喜好加权图表集;
第二确定模块,用于根据硬性约束图表集和喜好加权图表集的交集,确定推荐图表集。
可选地,第一确定模块具体用于:
根据输入数据和预设图表知识库的预设约束规则,对预设图表知识库中的图表知识进行遍历处理,确定硬性约束图表集,其中,预设约束规则包括字段、系列、视觉通道配置和图表目的。
可选地,第一确定模块还具体用于:
根据输入数据和预设图表知识库的字段,对预设图表知识库中的图表知识进行遍历处理,确定第一硬性约束图表集;
根据输入数据和预设图表知识库的系列、视觉通道配置和图表目的中的至少一项,对预设图表知识库中的图表知识进行遍历处理,并根据遍历结果对第一硬性约束图表集进行加权处理,得到硬性约束图表集。
可选地,用户数据包括用户基本信息和用户历史行为;
相应的,第一处理模块具体用于:
根据用户基本信息,确定第一用户相似度;
根据用户历史行为,确定第二用户相似度;
根据第一用户相似度和第二用户相似度,确定与用户相似度最高的用户集;
根据用户集,确定用户的喜好加权图表集。
可选地,第一处理模块还具体用于:
根据用户集的用户对应的各图表的历史绘制数量与用户集的用户对应的总图表数量的比值,确定用户集的图表喜爱度;
根据图表喜爱度,确定用户的喜好加权图表集。
可选地,第一处理模块还具体用于:
将图表喜爱度大于预设喜爱度预设的图表添加至喜好加权图表集;
或者,
按照图表喜爱度由大到小的顺序对用户集的用户对应的各图表进行排序,将图表喜爱度排名在预设排名的图表添加至喜好加权图表集。
可选地,在第二确定模块根据硬性约束图表集和喜好加权图表集的交集,确定推荐图表集之后,上述装置还包括:
输出模块,用于获取推荐图表集中每个推荐图表的推荐加权值,对推荐图表进行排序;按照排序结果的顺序,输出推荐图表。
参考图7,其示出了适于用来实现本公开实施例的图表推荐设备700的结构示意图,该图表推荐设备700可以为终端设备或服务器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant,简称PDA)、平板电脑(Portable Android Device,简称PAD)、便携式多媒体播放器(PortableMedia Player,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的图表推荐设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,图表推荐设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(Read Only Memory,简称ROM)702中的程序或者从存储装置708加载到随机访问存储器(Random Access Memory,简称RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有图表推荐设备700操作所需的各种程序和数据。处理装置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。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(Liquid CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许图表推荐设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的图表推荐设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,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装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述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。在本公开中,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。而在本公开中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述图表推荐设备中所包含的;也可以是单独存在,而未装配入该图表推荐设备中。
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该图表推荐设备执行时,使得该图表推荐设备执行上述实施例所示的方法。
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公开的操作的计算机程序代码,上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(Local Area Network,简称LAN)或广域网(Wide Area Network,简称 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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器 (CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本申请实施例的图表推荐设备,可以用于执行本申请上述各方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述任一项的图表推荐方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时,用于实现上述任一项的图表推荐方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,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,单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元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,也可以采用软件功能单元的形式实现。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种图表推荐方法,其特征在于,包括:
响应于用户输入的输入数据,根据所述输入数据和预设图表知识库,确定硬性约束图表集;
获取所述用户的用户数据,根据所述用户数据,得到所述用户的喜好加权图表集;
根据所述硬性约束图表集和所述喜好加权图表集的交集,确定推荐图表集。
2.根据权利要求1所述的方法,其特征在于,所述根据所述输入数据和预设图表知识库,确定硬性约束图表集,包括:
根据所述输入数据和所述预设图表知识库的预设约束规则,对所述预设图表知识库中的图表知识进行遍历处理,确定硬性约束图表集,其中,所述预设约束规则包括字段、系列、视觉通道配置和图表目的。
3.根据权利要求2所述的方法,其特征在于,所述根据所述输入数据和所述预设图表知识库的预设约束规则,对所述预设图表知识库中的图表知识进行遍历处理,确定硬性约束图表集,包括:
根据所述输入数据和所述预设图表知识库的字段,对所述预设图表知识库中的图表知识进行遍历处理,确定第一硬性约束图表集;
根据所述输入数据和所述预设图表知识库的系列、视觉通道配置和图表目的中的至少一项,对所述预设图表知识库中的图表知识进行遍历处理,并根据遍历结果对所述第一硬性约束图表集进行加权处理,得到硬性约束图表集。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述用户数据包括用户基本信息和用户历史行为;
相应的,所述根据所述用户数据,得到所述用户的喜好加权图表集,包括:
根据所述用户基本信息,确定第一用户相似度;
根据所述用户历史行为,确定第二用户相似度;
根据所述第一用户相似度和所述第二用户相似度,确定与所述用户相似度最高的用户集;
根据所述用户集,确定所述用户的喜好加权图表集。
5.根据权利要求4所述的方法,其特征在于,所述根据所述用户集,确定所述用户的喜好加权图表集,包括:
根据所述用户集的用户对应的各图表的历史绘制数量与所述用户集的用户对应的总图表数量的比值,确定所述用户集的图表喜爱度;
根据所述图表喜爱度,确定所述用户的喜好加权图表集。
6.根据权利要求5所述的方法,其特征在于,所述根据所述图表喜爱度,确定所述用户的喜好加权图表集,包括:
将图表喜爱度大于预设喜爱度预设的图表添加至喜好加权图表集;
或者,
按照图表喜爱度由大到小的顺序对所述用户集的用户对应的各图表进行排序,将图表喜爱度排名在预设排名的图表添加至喜好加权图表集。
7.根据权利要求1至3任一项所述的方法,其特征在于,在所述根据所述硬性约束图表集和所述喜好加权图表集的交集,确定推荐图表集之后,还包括:
获取所述推荐图表集中每个推荐图表的推荐加权值,对所述推荐图表进行排序;
按照排序结果的顺序,输出所述推荐图表。
8.一种图表推荐装置,其特征在于,包括:
第一确定模块,用于响应于用户输入的输入数据,根据所述输入数据和预设图表知识库,确定硬性约束图表集;
第一处理模块,用于获取所述用户的用户数据,根据所述用户数据,得到所述用户的喜好加权图表集;
第二确定模块,用于根据所述硬性约束图表集和所述喜好加权图表集的交集,确定推荐图表集。
9.一种图表推荐设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的图表推荐方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的图表推荐方法。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211175124.4A CN115510119A (zh) | 2022-09-26 | 2022-09-26 | 图表推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211175124.4A CN115510119A (zh) | 2022-09-26 | 2022-09-26 | 图表推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115510119A true CN115510119A (zh) | 2022-12-23 |
Family
ID=84506798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211175124.4A Pending CN115510119A (zh) | 2022-09-26 | 2022-09-26 | 图表推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115510119A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117216327A (zh) * | 2023-10-10 | 2023-12-12 | 广州红海云计算股份有限公司 | 基于可视化数据关系的数据分析系统 |
-
2022
- 2022-09-26 CN CN202211175124.4A patent/CN115510119A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117216327A (zh) * | 2023-10-10 | 2023-12-12 | 广州红海云计算股份有限公司 | 基于可视化数据关系的数据分析系统 |
CN117216327B (zh) * | 2023-10-10 | 2024-02-23 | 广州红海云计算股份有限公司 | 基于可视化数据关系的数据分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kammer et al. | Glyphboard: Visual exploration of high-dimensional data combining glyphs with dimensionality reduction | |
CN114564666B (zh) | 百科信息展示方法、装置、设备和介质 | |
CN106021449A (zh) | 用于移动终端的搜索方法、装置以及移动终端 | |
CN107180117B (zh) | 图表推荐方法、装置和计算机设备 | |
Gladisch et al. | Navigation recommendations for exploring hierarchical graphs | |
US10332161B2 (en) | Retrieving reviews based on user profile information | |
CN109389365A (zh) | 多人协作式文档的处理方法、装置和电子设备 | |
CN115510119A (zh) | 图表推荐方法、装置、设备及存储介质 | |
Burigat et al. | Interactive visual analysis of geographic data on mobile devices based on dynamic queries | |
CN114943006A (zh) | 歌单展示信息生成方法、装置、电子设备及存储介质 | |
CN110688578A (zh) | 锁屏壁纸的推荐方法、装置及电子设备 | |
CN114021016A (zh) | 数据推荐方法、装置、设备和存储介质 | |
CN113190316A (zh) | 互动内容生成方法、装置、存储介质及电子设备 | |
CN113535031A (zh) | 页面显示方法、装置、设备及介质 | |
Magano et al. | Mobile Apps and Travel Apps on the tourism journey | |
CN113449498A (zh) | 生成表单的方法、装置、存储介质及电子设备 | |
US11775144B2 (en) | Place-based semantic similarity platform | |
CN110689285A (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
CN111859147B (zh) | 对象推荐方法、对象推荐装置和电子设备 | |
CN113592607A (zh) | 产品推荐方法、装置、存储介质及电子设备 | |
CN113836415A (zh) | 信息推荐方法、装置、介质及设备 | |
CN116416018A (zh) | 内容输出方法、装置、计算机可读介质及电子设备 | |
CN111125501B (zh) | 用于处理信息的方法和装置 | |
CN109857838B (zh) | 用于生成信息的方法和装置 | |
CN113094286A (zh) | 页面测试方法和装置、存储介质和电子设备 |
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 |