CN116975254A - 可视化数据的呈现方法、装置和存储介质 - Google Patents

Abstract

本公开提供了可视化数据的呈现方法、装置和存储介质。该方法包括：获取基于需求描述信息所生成的需求分析文本，所述需求分析文本包括多个分析类型对应的各文本；对所述需求分析文本进行解析，得到结构化分析数据；基于所述结构化分析数据渲染出包含展示容器的文本展示模板；将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器中；其中，不同展示容器所展示文本的分析类型不同。可视化数据的呈现方法能够根据用户要求利用文本生成模型快速推荐适合该要求的分析文本和模型，直接生成初始的分析内容和可视化的视觉模型，使得用户更快速地理解分析内容，大幅提升效率。

Description

可视化数据的呈现方法、装置和存储介质

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种可视化数据的呈现方法和装置，以及相应的计算机可读存储介质。

背景技术

随着大语言模型的技术革新，其被应用到越来越多的模型分析中。现有大语言模型仅能生成纯文本内容，无法直接生成例如企业战略SWOT分析、用户旅程地图等可视化的分析模型。对于产品经理和设计师等，需要将大语言模型输出的文本化内容重新整理成可视化的分析内容，效率低、成本高。

发明内容

有鉴于此，本公开提供了可视化数据的呈现方法和装置，以及相应的计算机可读存储介质和计算机程序产品，可以缓解、减轻或甚至消除上述问题。

根据本公开的第一方面，提供了一种可视化数据的呈现方法，所述方法包括：获取基于需求描述信息所生成的需求分析文本，所述需求分析文本包括多个分析类型对应的各文本；对所述需求分析文本进行解析，得到结构化分析数据；基于所述结构化分析数据渲染出包含展示容器的文本展示模板；将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器中，其中，不同展示容器所展示文本的分析类型不同。

在一些实施例中，所述获取基于需求描述信息所生成的需求分析文本，包括：在应用程序的需求输入框中输入需求描述信息；基于所述需求描述信息在所述应用程序中调用文本生成模型插件；获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本。

在一些实施例中，所述基于所述需求描述信息在所述应用程序中调用文本生成模型插件；获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本，包括：基于所述需求描述信息在所述应用程序中调用文本生成模型插件；和获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本。

在一些实施例中，所述基于所述结构化分析数据渲染出包含展示容器的文本展示模板，包括：当所述需求描述信息中指定模板时，基于所述指定模板的模板数据渲染包含展示容器的文本展示模板；当所述需求描述信息中未指定模板时，基于所述结构化分析数据推荐文本展示模板，基于推荐的文本展示模板的模板数据渲染包含展示容器的文本展示模板。

在一些实施例中，基于所述指定模板的模板数据渲染包含展示容器的文本展示模板，包括：基于所述指定模板的模板数据和所述结构化分析数据拼装出用于渲染的组合设计稿数据，所述指定模板的模板数据至少包括母版数据、模板数据结构、系统指令和输出示例，基于所述组合设计稿数据渲染包含展示容器的文本展示模板。

在一些实施例中，基于推荐的文本展示模板的模板数据渲染包含展示容器的文本展示模板，包括：基于所述推荐的文本展示模板数据和所述结构化分析数据拼装出用于渲染的组合设计稿数据，所述指定模板的模板数据至少包括母版数据、模板数据结构、系统指令和输出示例，基于所述组合设计稿数据渲染包含展示容器的文本展示模板。

在一些实施例中，所述基于所述结构化分析数据渲染出包含展示容器的文本展示模板，包括：展示应用程序的画布界面；调用所述应用程序的容器渲染功能，基于所述结构化分析数据对应的文本展示模板在所述画布界面中创建展示容器。

在一些实施例中，所述将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器中，包括：基于所述结构化分析数据中分析类型的类型数量，在文本展示模板中创建展示容器；对于同一分析类型的文本，识别文本中的文本子类型；基于所述文本子类型在所述分析类型对应的展示容器中，创建子展示容器；将所述文本子类型的文本填充到所述子展示容器。

在一些实施例中，所述将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器之后，还包括：响应于在应用程序中触发的模板编辑指令，对所述文本展示模板中的内容进行编辑；对编辑后的文本展示模板存储。

在一些实施例中，所述将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器之后，还包括：响应于在应用程序中触发的模板编辑指令，对不同展示容器的形状和位置进行编辑；对编辑后的文本展示模板存储。

根据本公开的第二方面，提供了一种可视化数据的呈现装置，所述装置包括：获取模块，被配置成获取基于需求描述信息所生成的需求分析文本，所述需求分析文本包括多个分析类型对应的各文本；解析模块，被配置成对所述需求分析文本进行解析，得到结构化分析数据；渲染模块，被配置成基于所述结构化分析数据渲染出包含展示容器的文本展示模板；填充模块，被配置成将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器中；其中，不同展示容器所展示文本的分析类型不同。

根据本公开的另一方面，提出了一种计算设备，包括：存储器和处理器，其中所述存储器中存储有计算机程序，所述计算机程序在被所述处理器执行时促使所述处理器执行根据本公开一些实施例的可视化数据的呈现方法。

根据本公开的另一方面，提出了一种计算机可读存储介质，其上存储计算机可读指令，所述计算机可读指令在被执行时实现根据本公开一些实施例的可视化数据的呈现方法。

根据本公开的另一方面，提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开一些实施例的可视化数据的呈现方法。

本公开提供了可视化数据的呈现方法和装置。该方法和装置在产品经理、设计师等用户进行产品、角色设计，和执行头脑风暴和要求设计等场景下，能够根据用户要求利用文本生成模型快速推荐适合该要求的分析文本和模型。直接生成初始的分析内容和可视化的视觉模型，分析内容结构清晰、内容完整。同时，分析内容和视觉模型支持二次编辑，便于用户直接使用或进行后续修改。由此，使得用户更快速地理解分析内容，大幅提升效率。

与根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。

附图说明

在下面结合附图对于示例性实施例的描述中，本公开的更多细节、特征和优点被公开，在附图中：

图1示意性示出了可以应用本公开的实施例提供的可视化数据的呈现的示例场景；

图2A-2D示意性示出了根据本公开一些实施例的可视化数据的呈现方法的示例用户接口；

图3示意性示出了根据本公开一些实施例的可视化数据的呈现方法的示例逻辑流程图；

图4示意性示出了根据本公开一些实施例的可视化数据的呈现方法的设计路线示意图；

图5示意性示出了根据本公开一些实施例的预定义的数据的示例结构；

图6示意性示出了根据本公开一些实施例的数据流转的示意图；

图7示意性示出了根据本公开一些实施例的数据拼装的示意图；

图8示意性示出了根据本公开一些实施例的数据解析的示意图；

图9A-9C示意性示出了根据本公开一些实施例的与文本生成模型应用交互的示例用户接口；

图10A-10F示意性示出了根据本公开一些实施例的提取与补全算法的逻辑流程图；

图11A-11E示意性示出了根据本公开一些实施例的渐进式渲染过程的示例用户接口；

图12示意性示出了根据本公开一些实施例的可视化数据的呈现装置的示例框图；

图13示意性示出了根据本公开一些实施例的计算设备的示例框图。

具体实施方式

下面将结合本申请中的附图，对本申请中的技术方案进行清楚和完整的描述。所描述的实施例仅仅是本申请的一部分实施例，而不是全部实施例。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例都属于本申请保护的范围。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。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、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通、自动控制等几大方向。

机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、主动学习等技术。

随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服、车联网、自动驾驶、智慧交通等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

在详细介绍本公开的实施例之前，首先对一些相关的概念进行解释。

1.大语言模型(Large Language Model，LLM)：是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务，如文本分类、问答、对话等。

2.SWOT分析(Strengths Weaknesses Opportunities Threats)：是指基于内外部竞争环境和竞争条件下的态势分析，将与研究对象密切相关的各种主要内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。

3.JSON(JavaScript Object Notation，JS对象简谱)是一种轻量级的数据交换格式。它基于ECMAScript(European Computer Manufacturers Association，欧洲计算机协会制定的JS规范)的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得JSON成为理想的数据交换语言。易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。

图1示意性示出了可以应用本公开的实施例提供的可视化数据的呈现的示例场景100。

如图1中所示，场景100包括计算设备101。本公开的实施例所提供的文本生成模型可以部署于计算设备101，并用于确定针对用户设计要求的分析文本。文本生成模型至少包括使用文本数据集合进行训练的深度学习模型，其能够生成自然语言文本和/或理解自然语言文本。计算设备101可以包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等。本公开的实施例可以应用于各种场景，包括但不限于云技术、人工智能、智慧交通、辅助驾驶等。

示例性地，用户102可以通过计算设备101使用可视化数据的呈现服务。例如，用户102可以通过计算设备101提供的用户接口来输入指令，例如通过相关实体或虚拟按键、通过文本、语音或手势指令等，以便启动部署于计算设备101和/或服务器103上的导航应用、查看导航路线等。

场景100还可以包括服务器103。可选地，本公开的实施例提供的可视化数据的呈现方法也可以部署在服务器103上。或者，可选地，本公开的实施例提供的可视化数据的呈现方法也可以部署于计算设备101和服务器103的组合上。本公开在此方面不做具体限定。例如，用户102可以通过计算设备101经由网络105访问服务器103，以便获取服务器103所提供的服务。

服务器103可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。此外，应理解，服务器103仅作为示例被示出，实际上，也可以替代地或附加地使用其他具有计算能力及存储能力的设备或设备的组合来提供相应的服务。

可选地，计算设备101和/或服务器103可以经由网络105与数据库104相链接，以便例如从数据库104获取文本生成模型的相关数据等。示例性地，数据库104可以是独立的数据存储设备或设备群，或者也可以是与其他在线服务相关的后端数据存储设备或设备群。本文提出的可视化数据的呈现方法可以被应用于诸如向量图形编辑软件、矢量绘图应用、图像处理软件等应用程序。文本生成模型插件是以插件的形式在上述应用程序中运行的一种大语言模型，用于根据用户的需要信息生成需求分析文本。用户在使用上述诸如向量图形编辑软件、矢量绘图应用、图像处理软件等应用程序时，可以经由应用程序的用户接口调用该文本生成模型。例如用户在上述应用程序的需求输入框中输入需求描述信息，基于需求描述信息在应用程序中调用文本生成模型的插件；获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本。

此外，在本公开中，网络105可以是经由诸如电缆、光纤等连接的有线网络，也可以是诸如2G、3G、4G、5G、Wi-Fi、蓝牙、ZigBee、Li-Fi等的无线网络，还可以是一个或几个设备的内部连接线路等。

图2A-2D示意性示出了根据本公开一些实施例的可视化数据的呈现方法的示例用户接口。图2A示意性示出了用户通过用户接口(例如，应用程序的用户接口)输入分析背景和要求。图2B示意性示出了人工智能对用户要求进行分析并推荐合适的模型进行分析的示意图。这里，合适的模型包括并不限于例如图2B中所示的精益画布分析、SWOT分析模型等。图2C示意性示出了用户选择合适的可视化分析模型插入到画布的用户接口。图2D示意性示出了在将合适的分析模型插入画布后，基于本发明的可视化呈现方法直接生成的可视化分析模型和内容。在产品和设计师对用户的设计要求进行初始从零至一的设计时，常常需要不同的模型进行分析，对分析内容进行可视化展示往往需要大量时间整理和绘制。这部分的工作是低效和重复性的。在这种场景下，本发明利用人工智能大语言模型进行分析，根据用户的要求快速推荐适合该要求的模型，并且直接生成初始的分析内容和可视化视觉模型。同时，利用用户接口的图形编辑器，分析内容和视觉模型支持二次编辑，能够大幅度提高用户的效率。

图3示意性示出了根据本公开一些实施例的可视化数据的呈现方法300的示例逻辑流程图。方法300可以被应用于在计算设备上加载和运行的应用程序中。

在步骤301中，获取基于需求描述信息所生成的需求分析文本，需求分析文本包括多个分析类型对应的各文本。用户可以在应用程序的需求输入框中输入需求描述信息。方法300可以被应用于诸如向量图形编辑软件、矢量绘图应用、图像处理软件等应用程序。

例如用户可以在应用程序的需求输入框中输入：我想要做一款“学习宝”的产品，帮助学生提高在线学习效率，请分析一下需要哪些功能。基于所述需求描述信息在所述应用程序中调用文本生成模型插件。文本生成模型插件是以插件的形式在上述诸如向量图形编辑软件、矢量绘图应用、图像处理软件等中运行的一种大语言模型，用于根据用户的需要信息生成需求分析文本。用户在使用上述诸如向量图形编辑软件、矢量绘图应用、图像处理软件等应用程序时，可以经由应用程序的用户接口调用该文本生成模型。例如用户在上述应用程序的需求输入框中输入需求描述信息，基于需求描述信息在应用程序中调用文本生成模型的插件；获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本。该文本生成模型插件可以适用于多种应用程序。获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本。例如文本生成模型插件可以响应于需求描述信息“我想要做一款“学习宝”的产品，帮助学生提高在线学习效率，请分析一下需要哪些功能”，生成如下需求分析本文：“好的，以下是一些可能有用的功能建议：1.个性化学习计划：根据学生的学习目标和能力水平制定个性化的学习计划，帮助学生更好地规划学习时问和内容。2.智能推荐学习资源：积据学生的学习历史和兴题爱好，智能推荐适合的学习资源，包括视频、文章、练习题等。3.学习记录和分析：记录学生的学习历史和成绩，分析学生的学习情况和表现，帮助学生了解自己的学习进度和问题。4.互动学习社区：建立学习社区，让学生可以互相交流、分享学习经验和资源，提高学习效率和兴趣。5.学习提醒和反馈：设置学习提醒，帮助学生合理安排学习时间和任务，同时提供学习反馈和建议，帮助学生不断改进和提高”。分析类型指的是分析文本数据的不同类型，与后续填充到展示模板的不同容器相对应。分析类型可以包括例如，固定表头渲染、表格模块、分块型模块等。固定渲染模块是诸如表头、标题、分割线等，用于定义用户不会修改的模块。表格模块是如用户旅程地图，用户故事类模版。分块型模块是存在固定的几个模块的模板。如本领域技术人员所理解的，分析类型包括但不限于上述类型。

在步骤302中，对需求分析文本进行解析，得到结构化分析数据。将需求分析文本输入应用程序，进行解析得到结构化分析数据。应用程序对从文本生成模型插件接收到的需求分析文本进行解析，得到结构化并且能够被识别的数据结构。应用程序可以是例如向量图形编辑软件、矢量绘图应用、图像处理软件等。经结构化的分析数据能够被用于后续数据的处理和与可视化模型的匹配。例如，在解析前，需求分析文本可以为：

示例1：用户获取

通过社交媒体广告、搜案引擎优化、内容营销等方式提高品牌知名度，吸引用户下载APP。

与银行、信用卡公司等金融机构合作，推广APP，吸引他们的客户使用。

通过口碑营销，鼓励用户邀请朋友使用APP，并提供奖励机制。

与线下商家合作，提供优惠券等福利，吸引用户下载APP。”。

解析后，分析数据被结构化，结构化分析数据呈现以下形式：

示例2：{

“data”：{

“用户获收”：[

“通过社交媒体广告、搜索引擎优化、内容营销等方式提高品牌知名度，吸引用户下载APP。”

“与银行、信用卡公司等金融机构合作，推广APP，吸引他们的客户使用。”“通过口碑营销，鼓融用户道请朋友使用APP，并提供奖励机制。”

“与线下商家合作，提供优惠券等福利，吸引用户下载APP。”

]

}

}。

在一个实施例中，结构化分析数据可以经过解析拼装和补充成一段标准化的JSON数据格式。如本领域技术人员所理解的，结构化分析数据不限于JSON数据格式。

在步骤303中，基于结构化分析数据渲染出包含展示容器的文本展示模板。以上面提到的结构化分析数据为示例2中的内容，文本展示模板为SWOT分析模板为例，则基于示例2中的数据这渲染出包含展示容器的文本展示模板：SWOT分析模板中的S为“通过社交媒体广告、搜索引擎优化、内容营销等方式提高品牌知名度，吸引用户下载APP”；W为“与银行、信用卡公司等金融机构合作，推广APP，吸引他们的客户使用”；O为“通过口碑营销，鼓融用户道请朋友使用APP，并提供奖励机制”；T为“与线下商家合作，提供优惠券等福利，吸引用户下载APP”。

文本展示模板至少可以包括用户旅程地图模板、用户简档模板、精益画布模板、用户故事模板、头脑风暴模板、SWOT分析模板、干系人地图模板、服务蓝图模板、KANO模型模板、波特五力模型模板和AARRR模型模板中的一个或多个。

在一个实施例中，文本展示模板可以是在需求描述信息中指定的，也可以是用户从应用程序推荐的模板中选择的。在接收到用户的第一输入后，文本生成模型基于所述结构化分析数据进行判断，判断推荐合适的文本展示模板。例如推荐共五种文本展示模板：用户简档模板、精益画布模板、用户故事模板、头脑风暴模板、SWOT分析模板。在一个实施例中，用户在推荐合适的文本展示模板中选择一个文本展示模板，例如头脑风暴模板。在另一个示例中，用户也可以在第一输入中以固定格式的数据指定所选文本展示模板。例如，在第一输入中指定采用头脑风暴模板作为文本展示模板。

当需求描述信息中指定模板时，基于指定模板的模板数据渲染包含展示容器的文本展示模板。基于指定模板的模板数据和结构化分析数据拼装出用于渲染的组合设计稿数据，指定模板的模板数据至少包括母版数据、模板数据结构、系统指令和输出示例，基于组合设计稿数据渲染包含展示容器的文本展示模板。当需求描述信息中未指定模板时，基于结构化分析数据推荐文本展示模板，基于推荐的文本展示模板的模板数据渲染包含展示容器的文本展示模板。基于推荐的文本展示模板数据和结构化分析数据拼装出用于渲染的组合设计稿数据，指定模板的模板数据至少包括母版数据、模板数据结构、系统指令和输出示例，基于组合设计稿数据渲染包含展示容器的文本展示模板。母版数据通过调用文本生成模型插件对应于结构化分析数据。模板数据结构可以是针对模板类型调用文本生成模型插件指定输出schema.json定义的数据结构。系统指令是指定的文本生成模型插件的角色预设。例如，系统指令可以是“你现在是一个分析员，精通头脑风暴。现在我向你提问题，请你根据我的问题进行发散创意点，最少6个大分类，每个分类6个创意点，创意点请展开阐述但不多于50字”。输出示例是一个优选输出示例，例如在schema.json的基础上定义的最理想的示例。该示例用于为文本生成模型提供对应关系，增强输出质量。

在一个实施例中，基于结构化分析数据渲染出包含展示容器的文本展示模板，包括：展示应用程序的画布界面；调用应用程序的容器渲染功能，基于结构化分析数据对应的文本展示模板在画布界面中创建展示容器。

在步骤304中，将结构化分析数据中同一分析类型的文本，填充到文本展示模板的同一展示容器中；其中，不同展示容器所展示文本的分析类型不同。将解析后的结构化的分析数据跟用户所选的可视化模板进行匹配，确定不同的数据应该置入可视化模型中的哪个位置。基于结构化分析数据中分析类型的类型数量，在文本展示模板中创建展示容器；对于同一分析类型的文本，识别文本中的文本子类型；基于文本子类型在分析类型对应的展示容器中，创建子展示容器；将文本子类型的文本填充到子展示容器。例如，对于结构化分析数据中固定渲染模块的分析类型，SWOT模型的文本展示模板，确定固定渲染模块的文本可以显示在SWOT模型的上方的容器1中。分析类型可以包括例如表头、标题等文本子类型。针对不同的文本子类型，在容器1中创建子展示容器2和子展示容器3，并将文本子类型的文本填充到子展示容器2和3中。如本领域技术人员所理解的，这里术语容器指的是在用户显示界面上呈现的第一预定尺寸的区域。子容器指的是包含在容器范围内的第二预定尺寸的区域。第一预定尺寸大于等于第二预定尺寸。

在一个实施例中，响应于数据过多，可视化模型可以进行自适应调整。调用设计工具(例如，向量图形编辑软件、矢量绘图应用、图像处理软件等)API，将可视化分析模型插入到画布中，用户可以直接使用也可以进一步进行二次编辑。在一个实施例中，预定义模板配置文件渲染可视化数据包括依据预定义模板配置文件对可视化数据进行实时渲染或渐进式渲染。在另一个实施例中，该方法还包括：接收用户对在用户接口上呈现的可视化数据进行二次编辑输入，在用户接口上呈现经过二次编辑的可视化数据。例如，响应于在应用程序中触发的模板编辑指令，对文本展示模板中的内容进行编辑；对编辑后的文本展示模板存储。在另一个实施例中，也可以对画布中展示的容器位置进行二次编辑。例如，响应于在应用程序中触发的模板编辑指令，对不同展示容器的形状和位置进行编辑；对编辑后的文本展示模板存储。

通过本公开提供的可视化数据的呈现方法，在产品经理、设计师等用户进行产品和角色设计，执行头脑风暴和要求设计等场景下，能够根据用户要求利用文本生成模型快速推荐适合该要求的分析文本和模型。直接生成初始的分析内容和可视化的视觉模型，分析内容结构清晰、内容完整。同时，分析内容和视觉模型支持二次编辑，便于用户直接使用或进行后续修改。由此，使得用户更快速地理解分析内容，大幅提升效率。

图4示意性示出了根据本公开一些实施例的可视化数据的呈现方法的设计路线400的示意图。在可视化数据呈现时，将来自用户的指令401发送给文本生成模型402，输出核心设计稿数据404。通过中间格式的结构化数据的定义模板(schema)403，结合设计稿数据404，得到组合设计稿数据405，最后将组合设计稿数据405插入画板406。这样的设计路线保证了设计稿数据量适量，输出数据稳定，具有拓展能力和较高的可行性和可靠性。

图5示意性示出了根据本公开一些实施例的预定义的数据示例结构500。这里，预定义的数据示例结构500对应于图4中的定义模板403。以某一类型的模板，即原子模板501为例，预定义的数据由四个部分组成一个预定义模板配置文件config.json 506并存储在云端(对象存储(Cloud Object Storage，COS)云存储507)。第一部分为设计稿母版数据502，其通过对应的设计平台的API取得设计稿数据。第二部分为模板相关联的文本生成模型schema.json 503，其针对模板类型指示文本生成模型指定输出schema.json定义的数据结构。第三部分为指令预设504。该指令预设指定文本生成模型的角色预设。例如，生成头脑风暴时的系统管指令可以为：您现在是一个分析员，精通头脑风暴，现在我向你提问，请您根据我的问题进行发散创意点。最少6个大分类，每个分类6个创意点，创意点请展开阐述并不多于50个字。第四部分为示例数据505，在schema.json的基础上定义的最理想的示例，可以用于向文本生成模型提供对应的关系，增强输出质量。在一个实施例中，预定义模板配置文件是针对不同模板类型预先基于模板的母板数据、与模板相关联的数据结构、用户的设计要求和所述模板的示例输出中的一个或多个进行定义的。

图6示意性示出了根据本公开一些实施例的数据流转的示意图600。在601中用户输入通过文本生成模型返回文字提取出推荐了哪些模板602。例如，可以使用如下的正则匹配算法：

在用户选择了对应的模板603后，拉取云端对应的config.json 604。将config.json 604与schema.json 606，系统消息607，example.json 608进行拼装，输出标准化的输入指令，即组装数据生成的提示词(prompt)609。组装数据生成的提示词609向文本生成模型接口请求取得响应数据——结构化的文本生成模型DATA 610。结合整合文本生成模型数据与设计稿母版数据template.json 605拼装出用于渲染的设计稿平台数据，即组装成向量图形编辑软件模型数据611。最后，将该模型数据插入应用程序，例如插入向量图形编辑软件612。

图7示意性示出了根据本公开一些实施例的数据拼装的示意图700。设计稿母版701可以分解成三种类型，包括表格类模板702、分类型模板703和固定输出模板704。表格类模板702包括例如用户旅程地图、用户故事模板等，该类型的表格需要通过二维数组结合地图(map)来进行数据表现。下面给出了表格模板的一个示例：

分类型模板703如KANO模型，存在固定的几个模块，通过地图map结合一维数组进行数据描述。下面给出分类型模板的一个示例：

/>

固定输出模板704指表头，标题，分割线。用于定义用户不会修改的模块。在定义好上述的几大类模版后再结合对应模块的设计稿数据，即可以输出最终需要渲染的设计稿712。

图中数据描述A 705的内容为：

数据描述：{

“this”：[‘表头一’，‘表头二’]，

“data”：{

“表头一”：{

“栏目一”：[“内容一”，“内容二”]

}

“表头二”{

“栏目一”：[“内容一”，“内容二”]

}

}。

数据描述A包括最小原子模板707和结果示例输出708。最小原子模板707包括标题、表头、标题栏一、内容一、栏目二、内容二。结果示例输出708包括标题、表头一、表头二、表头三、栏目一、内容1.1、内容2.1、内容3.1、栏目二、内容1.2、内容2.2、内容3.2。

数据描述B 706内的内容为：

数据描述：

{

“xxx区块”：[

“内容一”，

“内容二”，

}

}。

数据描述B包括最小原子模板709和结果示例输出710。最小原子模板707包括空内容。结果示例输出710包括示例内容一、示例内容二、示例内容三、示例内容四、示例内容五和示例内容六。

另外，固定输出模板704的路径从设计稿母版701输入固定输出模板704后，输入原子数据711中。原子数据711包括固定内容。原子数据711模块输出设计稿数据712。

图8示意性示出了根据本公开一些实施例的数据解析的示意图800。在设计稿中，每个元素被认为是一个节点801，首先进行节点类型的判断，节点类型包括路径802、文本803、图形(矩形、圆形、三角形、平行四边形等804)、编组和画板框架805。每个元素包含多种属性，通用属性808的部分至少包括填充属性811、位置属性812、路径属性和画板属性813。填充属性包含颜色填充、纹理填充、渐变填充等。位置属性，其包含尺寸、旋转等，其中位置使用矩阵进行记录。图形的特有属性还包括：路径802、文本803、编组和画板框架805。路径802属性通过边框路径和填充路径806来进行矢量描述。文本803属性包括文本内容/字体大小/对其方式等807，例如还包括行高、字间距、字体样式。图形(矩形、圆形、三角形、平行四边形等804)包括框架自动布局/约束编组子元素组合809，编组和画板框架805包括嵌套子元素810。画板属性包括子元素约束、对齐方式、自适应布局。编组属性包括对多个子元素进行组合。

图9A-9C示意性示出了根据本公开一些实施例的大语言对话应用交互的示例用户接口。跟传统的webAPI不同，文本生成模型接口完整数据的响应时长根据数据量大小决定。在一些实施例中，大量模版需要例如90-120秒的等待数据响应。图9A-9C示出了在响应时间过程中与文本生成模型进行对话逐渐进行响应的用户接口。值得注意的是，这里没有进行实质性的图形渲染。

在一个实施例中，流式数据传输过程中，在画布中做实时对渲染。考虑到在组装模版和渲染过程中，是先取得标准化的数据结构再一次性插入画布。而在流式数据传输过程中返回的数据，只是整个最终结构化数据的某一个片段。如下示例所示：

//最终的json数据

const data＝′你好，以下是头脑风暴/n{″data″：{″用户获取″：[″1″，″2″，″3″，″4″，″5″]，″用户活跃″：[″1″，″2″，″3″，″4″，″5″]，″用户留存″：[″1″，″2″，″3″，″4″，″5″]，″获得收益″：[″1″，″2″，″3″，″4″，″5″]，″推荐传播″：[″1″，″2″，″3″，″4″，″5″]}}′

//流式传输过程中数据示例1

const process1＝`你好，以下是头脑风暴/n{″data″：{″用户获取″：[″1″，″2″，″3″，″4″，″5″]，″用户活跃″：[″1″，″2″，″3″，″4″，″5″]，″用户留存″：[″1″，″2″，″3″，″4″，″5″]，″获得收益″：[″1″，″2″，″3″，″4`

//流式传输过程中数据示例2

const process2＝`你好，以下是头脑风暴/n{″data″：{″用户获取″：[″1″，″2″，″3″，″4″，″5″]，″用户活跃″：[″1″，″2″，″3″，″4″，″5″]，″用户留存″：[″1″，″2″，″3″，″4″，″5″]，″获得收益″：[，`

在流式传输过程中，需要把processl和process 2的数据提取和补全为下面的标准化JSON数据：

//过程中数据示例1

const processlFilling＝′{″data″：{″用户获取″：[″1″，″2″，″3″，″4″，″5″]，″用户活跃″：[″1″，″2″，″3″，″4″，″5″]，″用户留存″：[″1″，″2″，″3″，″4″，″5″]，″获得收益″：[″1″，″2″，″3″，″4″]}}′

const process2Filling＝′{″data″：{″用户获取″：[″1″，″2″，″3″，″4″，″5″]，″用户活跃″：[″1″，″2″，″3″，″4″，″5″]，″用户留存″：[″1″，″2″，″3″，″4″，″5″]}}′。

图10A-10F示意性示出了根据本公开一些实施例的提取与补全算法的逻辑流程图。其中图10A中的块A-E分别由图10B-10F具体示出。该算法的核心为实现一个有限状态自动机(finite-state automaton)。通过对字符串的逐个解析拼装和补充成一段标准化的JSON数据格式。图11A-11E示意性示出了根据本公开一些实施例的渐进式渲染过程的示例用户接口。可以看出，在响应时间过程中逐渐进行响应进行可视化展示的用户接口。

在图10A中，响应于接收到输入字符串1001，定义全局游标currentindex 1002。利用通用解析状态机对字符串进行解析1003，经过A、B、C、D、E、F，输出结果1004。

参见图10B，在当前字符串为t时1005，全局游标currentindex+4，输出真true1006。

在当前字符串为f时1007，全局游标currentindex+5，输出假false 1008。

在当前字符串为n时1009，全局游标currentindex+4，输出无效null 1010。

参见图10C，在当前字符串为引号“时1011，将其输入字符串解析状态机1012。记录解析起始游标位置startindex 1013。判断字符串是否同时满足：1.不为“，2.不为空(这里考虑前面提及的补全策略)1014。在同时满足这两个条件的情况下，游标+1，继续进行是否同时满足1.不为“，2.不为空(补全策略)的判断。在不同时满足这两个条件的情况下，截取startindex到currentindex作为返回值1015。

参见图10D，在当前字符串为数字时1016，将其输入字符串解析状态机1017，记录解析起始游标位置startindex 1018。判断字符串是否同时满足：1.为数字，2.不为空字符串，3.不为，1019。在同时满足这三个条件的情况下，游标+1，继续进行是否同时满足1.为数字，2.不为空字符串，3.不为，的判断。在不同时满足这两个条件的情况下，截取startindex到currentindex的字符串，转为数值类型后作为返回值1020。

参见图10E，在当前字符串为方括号[时1021，将其输入字符串状态机1022。定义arrayValue空数组1023。对字符串进行下述判断：是否同时满足1.不为[，2.不为空(这里考虑前面提及的补全策略)1024。在同时满足这两个条件的情况下，进入通用解析状态机，获取返回值val，将返回值添加进ArrayValue数组1025。在当前字符串为“，”时，说明是数组分割符，游标+11026。在不同时满足上述两个条件的情况下，跳过]，游标+1输出arrayValue1027。

参见图10F，在当前字符串为{的情况下1028，将其输入字符串状态机1029。定义objectValue空对象1030。对字符串进行下述判断：是否同时满足1.不为1，2.不为空(这里考虑前面提及的补全策略)1031。在同时满足上述条件的情况下，进入通用字符解析状态机，获取返回值val，val是否为空1032。在val不为空的情况下，将其作为当前key：value对的key。响应于当前值为：，且下一个字符为空1033，退出循环，并考虑补全策略。响应于不满足“当前值为：，且下一个字符为空”，进入通用字符解析状态机，返回值作为当前key：value对的value 1034。接下来，如果value值不为空，对当前对象赋值key：value，objectValue[key]＝value 1035。在当前字符是“，”时，说明是数组分割符，游标+11036。

在当前字符串不为空，并且不命中前面的策略，说明当前字符串非JSON字符串内的字符。

在图11A-11E中的一个示例中，从魅力型功能、期望型功能、无差异功能和必备型功能中的可视化模块条目逐渐增加。

图12示意性示出了根据本公开一些实施例的可视化数据的呈现装置1200的示例框图。一种可视化数据的呈现装置1200包括：获取模块1201，被配置成获取基于需求描述信息所生成的需求分析文本，所述需求分析文本包括多个分析类型对应的各文本；解析模块1202，被配置成对所述需求分析文本进行解析，得到结构化分析数据；渲染模块1203，被配置成基于所述结构化分析数据渲染出包含展示容器的文本展示模板；填充模块1204，被配置成将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器中；其中，不同展示容器所展示文本的分析类型不同。

应注意，上述各种模块可以以软件或硬件或两者的组合来实现。多个不同模块可以在同一软件或硬件结构中实现，或者一个模块可以由多个不同的软件或硬件结构实现。

此外，可视化数据的呈现装置1200可以用于实施前文所描述的可视化数据的呈现方法300，其相关细节已经在前文中详细描述。可视化数据的呈现装置1200可以具有与关于前述方法描述的相同的特征和优势。通过本公开提供的可视化数据的呈现装置，在产品经理、设计师等用户进行产品和角色设计，执行头脑风暴和要求设计等场景下，能够根据用户要求利用文本生成模型快速推荐适合该要求的分析文本和模型。直接生成初始的分析内容和可视化的视觉模型，分析内容结构清晰、内容完整。同时，分析内容和视觉模型支持二次编辑，便于用户直接使用或进行后续修改。由此，使得用户更快速地理解分析内容，大幅提升效率。图13图示了示例系统1300，其包括代表可以实现本文描述的各种方法的一个或多个系统和/或设备的示例计算设备1310。计算设备1310可以是例如服务提供商的服务器、与服务器相关联的设备、片上系统、和/或任何其它合适的计算设备或计算系统。上面参照图12描述的可视化数据的呈现装置1200可以采取计算设备1310的形式。替换地，图12描述的可视化数据的呈现装置1200可以以应用1316的形式被实现为计算机程序。

如图示的示例计算设备1310包括彼此通信耦合的处理系统1311、一个或多个计算机可读介质1312以及一个或多个I/O接口1313。尽管未示出，但是计算设备1310还可以包括系统总线或其他数据和命令传送系统，其将各种组件彼此耦合。系统总线可以包括不同总线结构的任何一个或组合，总线结构诸如存储器总线或存储器控制器、外围总线、通用串行总线、和/或利用各种总线架构中的任何一种的处理器或局部总线。还构思了各种其他示例，诸如控制和数据线。

处理系统1311代表使用硬件执行一个或多个操作的功能。因此，处理系统1311被图示为包括可被配置成处理器、功能块等的硬件元件1314。这可以包括在硬件中实现为专用集成电路或使用一个或多个半导体形成的其它逻辑器件。硬件元件1314不受其形成的材料或其中采用的处理机构的限制。例如，处理器可以由(多个)半导体和/或晶体管(例如，电子集成电路(IC))组成。在这样的上下文中，处理器可执行指令可以是电子可执行指令。

计算机可读介质1312被图示为包括存储器/存储装置1315。存储器/存储装置1315表示与一个或多个计算机可读介质相关联的存储器/存储容量。存储器/存储装置1315可以包括易失性介质(诸如随机存取存储器(RAM))和/或非易失性介质(诸如只读存储器(ROM)、闪存、光盘、磁盘等)。存储器/存储装置1315可以包括固定介质(例如，RAM、ROM、固定硬盘驱动器等)以及可移动介质(例如，闪存、可移动硬盘驱动器、光盘等)。计算机可读介质1312可以以下面进一步描述的各种其他方式进行配置。

一个或多个I/O接口1313代表允许用户使用各种输入设备向计算设备1310输入命令和信息并且可选地还允许使用各种输出设备将信息呈现给用户和/或其他组件或设备的功能。输入设备的示例包括键盘、光标控制设备(例如，鼠标)、麦克风(例如，用于语音输入)、扫描仪、触摸功能(例如，被配置成检测物理触摸的容性或其他传感器)、相机(例如，可以采用可见或不可见的波长(诸如红外频率)将不涉及触摸的运动检测为手势)等等。输出设备的示例包括显示设备、扬声器、打印机、网卡、触觉响应设备等。因此，计算设备1310可以以下面进一步描述的各种方式进行配置以支持用户交互。

计算设备1310还包括应用1316。应用1316可以例如是用于图12描述的可视化数据的呈现装置1200的软件实例，并且与计算设备1310中的其他元件相组合地实现本文描述的技术。

本申请提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算设备执行上述各种可选实现方式中提供的可视化数据的呈现方法。

本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。一般地，这些模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元素、组件、数据结构等。本文所使用的术语“模块”，“功能”和“组件”一般表示软件、固件、硬件或其组合。本文描述的技术的特征是与平台无关的，意味着这些技术可以在具有各种处理器的各种计算平台上实现。

所描述的模块和技术的实现可以存储在某种形式的计算机可读介质上或者跨某种形式的计算机可读介质传输。计算机可读介质可以包括可由计算设备1310访问的各种介质。作为示例而非限制，计算机可读介质可以包括“计算机可读存储介质”和“计算机可读信号介质”。

与单纯的信号传输、载波或信号本身相反，“计算机可读存储介质”是指能够持久存储信息的介质和/或设备，和/或有形的存储装置。因此，计算机可读存储介质是指非信号承载介质。计算机可读存储介质包括诸如易失性和非易失性、可移动和不可移动介质和/或以适用于存储信息(诸如计算机可读指令、数据结构、程序模块、逻辑元件/电路或其他数据)的方法或技术实现的存储设备之类的硬件。计算机可读存储介质的示例可以包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字通用盘(DVD)或其他光学存储装置、硬盘、盒式磁带、磁带，磁盘存储装置或其他磁存储设备，或其他存储设备、有形介质或适于存储期望信息并可以由计算机访问的制品。

“计算机可读信号介质”是指被配置成诸如经由网络将指令发送到计算设备1310的硬件的信号承载介质。信号介质典型地可以将计算机可读指令、数据结构、程序模块或其他数据体现在诸如载波、数据信号或其它传输机制的调制数据信号中。信号介质还包括任何信息传递介质。术语“调制数据信号”是指这样的信号，该信号的特征中的一个或多个被设置或改变，从而将信息编码到该信号中。作为示例而非限制，通信介质包括诸如有线网络或直接连线的有线介质以及诸如声、RF、红外和其它无线介质的无线介质。

如前，硬件元件1314和计算机可读介质1312代表以硬件形式实现的指令、模块、可编程器件逻辑和/或固定器件逻辑，其在一些实施例中可以用于实现本文描述的技术的至少一些方面。硬件元件可以包括集成电路或片上系统、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)以及硅中的其它实现或其他硬件设备的组件。在这种上下文中，硬件元件可以作为执行由硬件元件所体现的指令、模块和/或逻辑所定义的程序任务的处理设备，以及用于存储用于执行的指令的硬件设备，例如，先前描述的计算机可读存储介质。

前述的组合也可以用于实现本文的各种技术和模块。因此，可以将软件、硬件或程序模块和其它程序模块实现为在某种形式的计算机可读存储介质上和/或由一个或多个硬件元件1314体现的一个或多个指令和/或逻辑。计算设备1310可以被配置成实现与软件和/或硬件模块相对应的特定指令和/或功能。因此，例如通过使用处理系统的计算机可读存储介质和/或硬件元件1314，可以至少部分地以硬件来实现将模块实现为可由计算设备1310作为软件执行的模块。指令和/或功能可以由一个或多个制品(例如，一个或多个计算设备1310和/或处理系统1311)可执行/可操作以实现本文所述的技术、模块和示例。

在各种实施方式中，计算设备1310可以采用各种不同的配置。例如，计算设备1310可以被实现为包括个人计算机、台式计算机、多屏幕计算机、膝上型计算机、上网本等的计算机类设备。计算设备1310还可以被实现为包括诸如移动电话、便携式音乐播放器、便携式游戏设备、平板计算机、多屏幕计算机等移动设备的移动装置类设备。计算设备1310还可以实现为电视类设备，其包括具有或连接到休闲观看环境中的一般地较大屏幕的设备。这些设备包括电视、机顶盒、游戏机等。

本文描述的技术可以由计算设备1310的这些各种配置来支持，并且不限于本文所描述的技术的具体示例。功能还可以通过使用分布式系统、诸如通过如下所述的平台1322而在“云”1320上全部或部分地实现。

云1320包括和/或代表用于资源1324的平台1322。平台1322云1320的硬件(例如，服务器)和软件资源的底层功能。资源1324可以包括在远离计算设备1310的服务器上执行计算机处理时可以使用的应用和/或数据。资源1324还可以包括通过因特网和/或通过诸如蜂窝或Wi-Fi网络的订户网络提供的服务。

平台1322可以抽象资源和功能以将计算设备1310与其他计算设备连接。平台1322还可以用于抽象资源的分级以提供遇到的对于经由平台1322实现的资源1324的需求的相应水平的分级。因此，在互连设备实施例中，本文描述的功能的实现可以分布在整个系统1300内。例如，功能可以部分地在计算设备1310上以及通过抽象云1320的功能的平台1322来实现。

应当理解，为清楚起见，参考不同的功能单元对本申请的实施例进行了描述。然而，将明显的是，在不偏离本申请的情况下，每个功能单元的功能性可以被实施在单个单元中、实施在多个单元中或作为其它功能单元的一部分被实施。例如，被说明成由单个单元执行的功能性可以由多个不同的单元来执行。因此，对特定功能单元的参考仅被视为对用于提供所描述的功能性的适当单元的参考，而不是表明严格的逻辑或物理结构或组织。因此，本申请可以被实施在单个单元中，或者可以在物理上和功能上被分布在不同的单元和电路之间。

尽管已经结合一些实施例描述了本申请，但是其不旨在被限于在本文中所阐述的特定形式。相反，本申请的范围仅由所附权利要求来限制。附加地，尽管单独的特征可以被包括在不同的权利要求中，但是这些可以可能地被有利地组合，并且包括在不同权利要求中不暗示特征的组合不是可行的和/或有利的。特征在权利要求中的次序不暗示特征必须以其工作的任何特定次序。此外，在权利要求中，词“包括”不排除其它元件，并且术语“一”或“一个”不排除多个。权利要求中的附图标记仅作为明确的例子被提供，不应该被解释为以任何方式限制权利要求的范围。

可以理解的是，在本申请的具体实施方式中，涉及到实体的违约信息等实体相关的数据。当本申请以上实施例运用到具体产品或技术中时，要求获得用户许可或者同意，且相关数据的收集、使用和处理要求遵守相关国家和地区的相关法律法规和标准。

Claims (14)

1.一种可视化数据的呈现方法，所述方法包括：

获取基于需求描述信息所生成的需求分析文本，所述需求分析文本包括多个分析类型对应的各文本；

对所述需求分析文本进行解析，得到结构化分析数据；

基于所述结构化分析数据渲染出包含展示容器的文本展示模板；

将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器中，其中，不同展示容器所展示文本的分析类型不同。

2.根据权利要求1所述的方法，其特征在于，所述获取基于需求描述信息所生成的需求分析文本，包括：

在应用程序的需求输入框中输入需求描述信息；

基于所述需求描述信息在所述应用程序中调用文本生成模型插件；

获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本。

3.根据权利要求1所述的方法，其特征在于，所述基于所述结构化分析数据渲染出包含展示容器的文本展示模板，包括：

当所述需求描述信息中指定模板时，基于所述指定模板的模板数据渲染包含展示容器的文本展示模板；

当所述需求描述信息中未指定模板时，基于所述结构化分析数据推荐文本展示模板，基于推荐的文本展示模板的模板数据渲染包含展示容器的文本展示模板。

4.根据权利要求3所述的方法，其特征在于，当所述需求描述信息中指定模板时，基于所述指定模板的模板数据渲染包含展示容器的文本展示模板，包括：

当所述需求描述信息中指定模板时，基于所述指定模板的模板数据和所述结构化分析数据拼装出用于渲染的组合设计稿数据，所述指定模板的模板数据至少包括母版数据、模板数据结构、系统指令和输出示例，基于所述组合设计稿数据渲染包含展示容器的文本展示模板。

5.根据权利要求3所述的方法，其特征在于，当所述需求描述信息中未指定模板时，基于推荐的文本展示模板的模板数据渲染包含展示容器的文本展示模板，包括：

当所述需求描述信息中未指定模板时，基于所述推荐的文本展示模板数据和所述结构化分析数据拼装出用于渲染的组合设计稿数据，所述指定模板的模板数据至少包括母版数据、模板数据结构、系统指令和输出示例，基于所述组合设计稿数据渲染包含展示容器的文本展示模板。

6.根据权利要求2所述的方法，其特征在于，所述基于所述需求描述信息在所述应用程序中调用文本生成模型插件；获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本，包括：

基于所述需求描述信息在所述应用程序中调用文本生成模型插件；和获得所述文本生成模型插件基于所述需求描述信息生成的需求分析文本。

7.根据权利要求1所述的方法，其特征在于，所述基于所述结构化分析数据渲染出包含展示容器的文本展示模板，包括：

展示应用程序的画布界面；

调用所述应用程序的容器渲染功能，基于所述结构化分析数据对应的文本展示模板在所述画布界面中创建展示容器。

8.根据权利要求1所述的方法，其特征在于，所述将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器中，包括：

基于所述结构化分析数据中分析类型的类型数量，在文本展示模板中创建展示容器；

对于同一分析类型的文本，识别文本中的文本子类型；

基于所述文本子类型在所述分析类型对应的展示容器中，创建子展示容器；

将所述文本子类型的文本填充到所述子展示容器。

9.根据权利要求2或4所述的方法，其特征在于，所述将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器之后，还包括：

响应于在应用程序中触发的模板编辑指令，对所述文本展示模板中的内容进行编辑；

对编辑后的文本展示进行模板存储。

10.根据权利要求2或4所述的方法，其特征在于，所述将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器之后，还包括：

响应于在应用程序中触发的模板编辑指令，对不同展示容器的形状和位置进行编辑；

对编辑后的文本展示进行模板存储。

11.一种可视化数据的呈现装置，所述装置包括：

获取模块，被配置成获取基于需求描述信息所生成的需求分析文本，所述需求分析文本包括多个分析类型对应的各文本；

解析模块，被配置成对所述需求分析文本进行解析，得到结构化分析数据；

渲染模块，被配置成基于所述结构化分析数据渲染出包含展示容器的文本展示模板；

填充模块，被配置成将所述结构化分析数据中同一分析类型的文本，填充到所述文本展示模板的同一展示容器中；其中，不同展示容器所展示文本的分析类型不同。

12.一种计算设备，包括：

存储器，其被配置成存储计算机可执行指令；

处理器，其被配置成当所述计算机可执行指令被处理器执行时执行根据权利要求1-10中任一项的方法。

13.一种计算机可读存储介质，其存储有计算机可执行指令，所述计算机可执行指令在被执行时实现根据权利要求1-10中任一项的方法。

14.一种计算机程序产品，包括计算机程序，所述计算机程序在被执行时实现根据权利要求1-10中任一项的方法的步骤。