CN117573847A - 可视化答案的生成方法、装置、设备及存储介质 - Google Patents
可视化答案的生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117573847A CN117573847A CN202410058600.7A CN202410058600A CN117573847A CN 117573847 A CN117573847 A CN 117573847A CN 202410058600 A CN202410058600 A CN 202410058600A CN 117573847 A CN117573847 A CN 117573847A
- Authority
- CN
- China
- Prior art keywords
- visual
- target
- visualization
- historical
- weight
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000000007 visual effect Effects 0.000 claims abstract description 300
- 238000012800 visualization Methods 0.000 claims abstract description 151
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 238000012216 screening Methods 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 60
- 230000003993 interaction Effects 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请提供了一种可视化答案的生成方法、装置、设备及存储介质,涉及可视化技术领域,方法包括:获取来自指定用户的目标文本;确定指定用户对应的可视化意图矩阵,可视化意图矩阵包括历史文本和对应的历史可视化权重;将目标文本与历史文本进行相似度匹配,得到相似度匹配信息;根据相似度匹配信息,对历史可视化权重进行筛选,得到目标可视化权重;基于目标可视化权重确定可视化展示策略,基于可视化展示策略展示目标文本对应的目标可视化图像集,应用本方法能够获得适配于用户习惯的可视化展示策略,解决了智能客服无法理解用户的分析意图,导致当前答案不符合用户预期的问题,使目标可视化图像集的展示方式与用户需求更加匹配,满足用户需求。
Description
技术领域
本申请涉及可视化处理技术领域,尤其涉及一种可视化答案的生成方法、装置、设备及存储介质。
背景技术
可视化是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,再进行交互处理的理论、方法和技术。数据可视化能够将数据的分布情况以及分析重点情绪直观地展现在我们的面前。不同的可视化图像能够用于表达数据的不同侧重点,例如,直方图便于纵观某个数值变量出现的频率,以及其所有可能的值。条形图或者饼状图适用于需要分析变量分布,并且变量存在固定的值。散点图能够将所有数据展现在一个二维的坐标系中,是研究两个变量之间的关系时散点图是最佳选择之一。故,针对同一套数据,可以生成多种类型的可视化图像,根据不同分析意图,则需要采用不同类型的可视化图像进行展示。目前,智能客服能够根据用户的需求生成多种类型的可视化图像进行展示,却无法很好的理解用户的分析意图,会导致当前答案不符合用户的预期。
发明内容
本申请提供了一种可视化答案的生成方法、装置、设备及存储介质,以至少解决现有技术中存在的以上技术问题。
根据本申请的第一方面,提供了一种可视化答案的生成方法,所述方法包括:获取来自指定用户的目标文本;确定所述指定用户对应的可视化意图矩阵,所述可视化意图矩阵包括历史文本和对应的历史可视化权重;将所述目标文本与所述历史文本进行相似度匹配,得到相似度匹配信息;根据所述相似度匹配信息,对所述历史可视化权重进行筛选,得到目标可视化权重;基于所述目标可视化权重确定可视化展示策略,基于所述可视化展示策略展示所述目标文本对应的目标可视化图像集。
在一可实施方式中,所述方法还包括:获取所述历史文本对应的历史可视化图像集和历史交互信息;根据所述历史可视化图像集和历史交互信息进行类型关注度分析,确定历史可视化权重;整合所述历史文本和对应的历史可视化权重,得到可视化意图矩阵。
在一可实施方式中,所述根据所述历史可视化图像集和历史交互信息进行类型关注度分析,确定历史可视化权重,包括:确定历史可视化图像集中的可视化图像对应的可视化图像类型;对所述历史交互信息进行对象分析,确定针对每一历史可视化图像的交互行为;根据所述交互行为的行为参数进行关注度类型分析,得到历史可视化关注值;根据所述历史可视化关注值确定所述可视化图像类型对应的历史可视化权重。
在一可实施方式中,所述交互行为包括以下行为至少一项:点击行为、停留行为、分享行为、查看行为;对应的,所述行为参数包括以下参数至少一项:点击动作参数、点击频次参数、查看行为参数、查看次数参数、停留时长参数、分享动作参数、分享频次参数。
在一可实施方式中,根据所述历史可视化关注值确定所述可视化图像类型对应的历史可视化权重,包括:根据所述历史可视化关注值和所述历史可视化图像集确定所述可视化图像类型对应的关注度占比值;根据所述关注度占比值确定历史可视化权重。
在一可实施方式中,根据所述相似度匹配信息,对所述历史可视化权重进行筛选,得到目标可视化权重,包括:将数值最大的相似度匹配信息对应的可视化图像类型和对应的历史可视化权重确定为目标可视化图像类型和对应的目标可视化权重;还包括:根据所述目标可视化图像类型对目标文本进行可视化处理,得到目标可视化图像集。
在一可实施方式中,基于所述目标可视化权重确定可视化展示策略,包括:对所述目标可视化权重进行数值比较,得到比较结果;若所述比较结果表征最大数值的目标可视化权重不超过第一阈值,将所述可视化展示策略确定为:基于所述目标可视化权重的数值比值确定目标可视化图像的展示面积比值;若所述比较结果表征最大数值的目标可视化权重超过第一阈值,将所述可视化展示策略确定为:展示所述最大数值的目标可视化权重对应的目标可视化图像。
根据本申请的第二方面,提供了一种可视化答案的生成装置,所述装置包括:获取模块,用于获取来自指定用户的目标文本;确定模块,用于确定所述指定用户对应的可视化意图矩阵,所述可视化意图矩阵包括历史文本和对应的历史可视化权重;匹配模块,用于将所述目标文本与所述历史文本进行相似度匹配,得到相似度匹配信息;筛选模块,用于根据所述相似度匹配信息,对所述历史可视化权重进行筛选,得到目标可视化权重;展示模块,用于基于所述目标可视化权重确定可视化展示策略,基于所述可视化展示策略展示所述目标文本对应的目标可视化图像集。
在一可实施方式中,所述获取模块,还用于获取所述历史文本对应的历史可视化图像集和历史交互信息;所述装置还包括:分析模块,用于根据所述历史可视化图像集和历史交互信息进行类型关注度分析,确定历史可视化权重;整合模块,用于整合所述历史文本和对应的历史可视化权重,得到可视化意图矩阵。
在一可实施方式中,所述分析模块,包括:确定子模块,用于确定历史可视化图像集中的可视化图像对应的可视化图像类型;分析子模块,用于对所述历史交互信息进行对象分析,确定针对每一历史可视化图像的交互行为;所述分析子模块,还用于根据所述交互行为的行为参数进行关注度类型分析,得到历史可视化关注值;所述确定子模块,还用于根据所述历史可视化关注值确定所述可视化图像类型对应的历史可视化权重。
在一可实施方式中,所述确定子模块,包括:根据所述历史可视化关注值和所述历史可视化图像集确定所述可视化图像类型对应的关注度占比值;根据所述关注度占比值确定历史可视化权重。
在一可实施方式中,所述筛选模块,包括:将数值最大的相似度匹配信息对应的可视化图像类型和对应的历史可视化权重确定为目标可视化图像类型和对应的目标可视化权重;所述装置还包括:处理模块,用于根据所述目标可视化图像类型对目标文本进行可视化处理,得到目标可视化图像集。
在一可实施方式中,所述确定模块,包括:对所述目标可视化权重进行数值比较,得到比较结果;若所述比较结果表征最大数值的目标可视化权重不超过第一阈值,将所述可视化展示策略确定为:基于所述目标可视化权重的数值比值确定目标可视化图像的展示面积比值;若所述比较结果表征最大数值的目标可视化权重超过第一阈值,将所述可视化展示策略确定为:展示所述最大数值的目标可视化权重对应的目标可视化图像。
根据本申请的第三方面,提供了一种电子设备,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本申请所述的方法。
根据本申请的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请所述的方法。
本申请实施例提供的一种可视化答案的生成方法、装置、设备及存储介质,通过来自指定用户的目标文本,根据对应的可视化意图矩阵对目标文本进行匹配筛选,从而获得适配于用户习惯的可视化展示策略,使目标可视化图像集的展示方式与用户需求更加匹配,满足用户需求。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本申请实施例一种可视化答案的生成方法的实现流程示意图;
图2示出了本申请实施例一种可视化答案的生成装置的实现模块示意图;
图3示出了本申请实施例一种电子设备的组成结构示意图。
具体实施方式
为使本申请的目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
图1示出了本申请实施例一种可视化答案的生成方法的实现流程示意图。
参见图1,根据本申请实施例的第一方面,提供了一种可视化答案的生成方法,方法包括:操作101,获取来自指定用户的目标文本;操作102,确定指定用户对应的可视化意图矩阵,可视化意图矩阵包括历史文本和对应的历史可视化权重;操作103,将目标文本与历史文本进行相似度匹配,得到相似度匹配信息;操作104,根据相似度匹配信息,对历史可视化权重进行筛选,得到目标可视化权重;操作105,基于目标可视化权重确定可视化展示策略,基于可视化展示策略展示目标文本对应的目标可视化图像集。
本申请实施例提供的一种可视化答案的生成方法,适用于具有数据处理能力的设备,进一步适用于具有数据可视化功能的智能客服,能够通过来自指定用户的目标文本,根据对应的可视化意图矩阵对目标文本进行匹配筛选,从而获得适配于用户习惯的可视化展示策略,基于可视化展示策略对目标可视化图像集进行展示,使目标可视化图像集的展示方式与用户需求更加匹配,满足用户需求。
在操作101中,目标文本来自指定用户的输入信息,用户的输入信息可以为文本、语音、视频、图像等的任一种,当输入信息非文本信息的情况下,通过对输入信息进行文本提取,可以获得目标文本。通过对目标文本进行内容分析和意图分析,可以确定与目标文本对应的目标可视化图像集。目标可视化图像集包括至少一种类型的可视化展示图像。
可视化图像作为一种针对目标文本的答案展示方式,针对相同的答案,可以有多种不同维度图像处理方式,针对不同的维度,可以生成不同类型展示图像。即,针对某一指标的可视化图像,可视化展示方式具有多种类型可以进行选择,形成的可视化图像的展示方式是多样性的。
可视化类型可以进一步分为形式类型和实质类型。形式类型用于表征图像的表征方式维度,例如:黑白图展示方式、彩色图展示方式、折线图展示方式、柱状图展示方式、三维图展示方式、二维图展示方式。实质类型用于表征可视化图像在数据选取上的侧重内容,包括但不限于:用于形成对比内容的数据选取方式、用于形成趋势内容的数据选取方式、用于形成构成内容的数据选取方式、用于形成排名内容的数据选取方式、用于分布内容的数据选取方式、用于形成关系内容的数据选取方式、用于展示空间内容的数据选取方式等。
在操作102中,通过获取指定用户对应的可视化意图矩阵,以确定与指定用户个性化。可视化意图矩阵可以通过表格形式进行表征,包含指定用户在过去输入的所有历史文本以及对应每一个历史文本的历史可视化权重。其中,历史文本来自指定用户的历史输入信息。与同一历史文本对应的历史可视化权重具有多个,可视化权重用于表征用户对可视化类型的关注度。可视化权重越高,则表征指定用户对应此权重的可视化类型的关注度越高。不同的可视化类型均可以对应不同的历史可视化权重。基于实际的可视化权重,不同用户的可视化类型可以相同或不同,针对不同历史文本的可视化类型也可以相同或不同。通过可视化意图矩阵,以构成历史文本与历史可视化权重之间的映射关系。
在操作103中,通过将目标文本与可视化意图矩阵中的每一个历史文本进行相似度匹配,可以确定目标文本与每一个历史文本之间的相似度匹配信息,相似度匹配信息可以通过相似度匹配值的方式进行表征。目标文本与历史文本的相似度越高,则可以理解为用户的可视化需求越接近。故在操作104中,本方法通过相似度匹配信息对历史可视化权重进行筛选,选择相似度最高的历史文本对应的历史可视化权重,将其确定为目标可视化权重。也可以选择排名前N位的历史文本对应的历史可视化权重进行整合,得到目标可视化权重。
在操作105中,可视化展示策略用于表征输出的目标可视化图像集中每张目标可视化图像的关注度。当将所有目标可视化图像拼接于同一张输出页面中时,可以以通过目标可视化图像的在同一输出页面的占比体现关注度,即,目标可视化权重越高,对应的目标可视化图像在输出页面的占比越高;还可结合排序体现关注度,如,目标可视化权重越高,对应的目标可视化图像在同一输出页面的方位越靠前。例如,目标可视化权重越高,则将其对应的目标可视化图像放在左上角位置,且对其进行放大。在输出页面为多张时,可以将目标可视化权重越高的目标可视化图像放在页码越靠前的位置。基于可视化展示策略对目标可视化图像集进行输出展示,实现对指定用户的可视化应答,使对应目标文本的目标可视化图像集能够更符合用户的个性化,提高用户体验。
在一可实施方式中,方法还包括:首先,获取历史文本对应的历史可视化图像集和历史交互信息;然后,根据历史可视化图像集和历史交互信息进行类型关注度分析,确定历史可视化权重;再后,整合历史文本和对应的历史可视化权重,得到可视化意图矩阵。
在本申请实施例中,基于每个用户与设备的历史交互情况,可以建立针对不同用户不同的可视化意图矩阵,从而定制化地根据每个用户的习惯和需求,通过对应的可视化意图矩阵进行有针对性的目标可视化图像集的展示。
在具体的实施场景中,用户的历史交互情况起始于用户输入历史文本,然后设备根据历史文本分析后输出历史可视化图集,之后,用户对历史可视化图集进行处理,形成用户与设备的历史交互信息,每一轮交互均包含至少一历史文本和对应历史文本的历史交互信息。历史文本用于表征用户的可视化意图,历史文本如:A公司近五年营业收入、AB两个公司近五年营业收入对比等。
历史交互信息进一步为用户对历史可视化图像集的处理,历史交互信息如:用户点击特定的历史可视化图像,用户修改特定的历史可视化图像,用户分享特定的历史可视化图像,用户在特定的历史可视化图像页面进行停留等。
通过用户的历史交互信息,可以分析出用户对特定类型的可视化图像关注度,针对每一个历史文本,通过分析对应的历史交互信息,可以确定针对每一个历史文本,用户对特定的历史可视化图像类型的关注度,通过历史可视化权重可以实现关注度的量化,再整合每一次的历史文本和对应的历史可视化权重,完成可视化意图矩阵的构建。
之后,用户每次输入文本的情况下,可以基于可视化意图矩阵确定对应的目标可视化图像集,并基于用户针对目标可视化图像集的交互信息得到该轮的可视化意图,将其加入可视化意图矩阵,如此操作,随着用户交互次数的增加,设备可以逐渐了解用户倾向的意图,可视化图像的呈现也会越来越满足用户的需求和习惯,提高用户的使用体验感。
在一可实施方式中,根据历史可视化图像集和历史交互信息进行类型关注度分析,确定历史可视化权重,包括:首先,确定历史可视化图像集中的可视化图像对应的可视化图像类型;然后,对历史交互信息进行对象分析,确定针对每一历史可视化图像的交互行为;再后,根据交互行为的行为参数进行关注度类型分析,得到历史可视化关注值;之后,根据历史可视化关注值确定可视化图像类型对应的历史可视化权重。
以下提供一种可视化意图矩阵的具体构建方法,可视化意图矩阵通过表格形式进行表征,如下表所示:
上表中,纵列用于记录各种类型的历史文本,如上表中所示的“A国家与B国家的GDP”、“A国家各省份出生率”等。
横列为可视化图像类型,如“对比”类可视化、“趋势”类可视化、“构成”类可视化、“排名”类可视化、“分布”类可视化、“占比”类可视化、“空间”类可视化、“关系”类可视化等。基于实际的设备可视化能力,横列可以进行进一步细分。
表格内的填入内容用于表征特定历史文本对应特定可视化图像类型的权重值,权重值与用户关注度呈正比,即用户对该类可视化图像的关注度越高,权重越大。针对历史文本“A国家与B国家的GDP”,针对“对比”类可视化的权重值为7,针对“趋势”类可视化的权重值为2,针对“分布”类可视化的权重值为1,其他类可视化权重值均为0。
本申请实施例对权重的具体取值范围不进行限定,例如,在另一种实施场景中,同一表内针对同一历史文本的所有可视化权重之和可以为1。
在确定历史文本的情况下,首先根据历史交互信息进行对象分析,确定针对每一个历史可视化图像的交互行为,然后根据设置的行为关注度映射关系对交互行为进行分析,即可得到针对每一个历史可视化图像的可视化关注值,之后,对针对同一个历史文本的所有可视化关注值进行整合,即可得到对应的历史可视化权重。
例如,针对一种历史文本,设备输出的历史可视化图像有6张,可视化意图矩阵的可视化图像类型有8种,首先对用户的历史交互信息进行拆分,假设用户对其中4张可视化图像进行交互,则4张可视化图像通过分析可以得到对应的可视化关注值,另外未交互的2张可视化关注值记为“0”,可视化意图矩阵中未被生成的2种可视化图像类型同样记为0,然后对4个可视化关注值按照占比确定对应的历史可视化权重,如可视化关注值相同,则对应该4张可视化图像的可视化图像类型的权重均记为0.25。
在一可实施方式中,交互行为包括以下行为至少一项:点击行为、停留行为、分享行为、查看行为;对应的,行为参数包括以下参数至少一项:点击动作参数、点击频次参数、查看行为参数、查看次数参数、停留时长参数、分享动作参数、分享频次参数。
在一可实施方式中,根据历史可视化关注值确定可视化图像类型对应的历史可视化权重,包括:首先,根据历史可视化关注值和历史可视化图像集确定可视化图像类型对应的关注度占比值;然后,根据关注度占比值确定历史可视化权重。
行为参数为表征关注度的行为频次和行为时长,通过对交互行为的行为参数进行分析,在预设的行为关注度映射关系中,确定对应的行为关注值,通过整合针对一可视化图像的所有交互行为对应的行为关注值,可以得到可视化关注值,其中,整合方式包括但不限于:相加、相乘等。进一步的,在进行行为频次和行为时长分析时,还可以设置预设时长阈值和预设频次阈值,将超过预设时长阈值或预设频次阈值的行为时长和行为频次进行去除或修改为不超过阈值的数值,以消除极值影响。
以下提供几种行为关注值的确定方式。
当交互行为包括点击行为的情况下,点击行为的行为关注值根据点击频次和点击时长进行确定,若用户点击可视化图像,则该可视化图像对应的类型开始计分,每次点击,原始分数进行翻倍处理,如,设置点击频次的初始分值均为1,用户第一次点击可视化图像,分值记为2,第二次点击,分值记为4,以此类推,至点击次数超过预设频次阈值,点击频次分值不再增加。
在点击之后,页面进入与可视化图像对应的详情页,对用户在详情页阅读时长进行计数,阅读时长每增加指定时间,分值加1分,例如,每增加1秒,分值增加一分,至阅读时长超过预设时长阈值,阅读时长分值不在增加。然后将点击频次分值和阅读时长分值进行整合,得到针对点击行为的点击关注值。
以此类推,获得针对分享行为等其他行为的行为关注值,将所有行为关注值进行相加或相乘,得到可视化关注值。
然后,将可视化矩阵中每一个可视化图像类型的可视化关注值进行按数值比例进行整合,即可以得到针对每一个可视化图像类型的可视化权重。
在一可实施方式中,根据相似度匹配信息,对历史可视化权重进行筛选,得到目标可视化权重,包括:将数值最大的相似度匹配信息对应的可视化图像类型和对应的历史可视化权重确定为目标可视化图像类型和对应的目标可视化权重;还包括:根据目标可视化图像类型对目标文本进行可视化处理,得到目标可视化图像集。
通过将目标文本与可视化意图矩阵中的历史文本进行相似度匹配,可以确定最接近目标文本的历史文本,具体的,目标文本和历史文本可以为同一类型的目标数据集。如:目标文本为两公司的营业收入对比,则历史文本可以是另外两家公司的营业收入对比。
根据历史文本对应的历史可视化权重,可以根据超过预设权重阈值的历史可视化权重,或选取历史可视化权重数值大的N个,确定对应的目标可视化类型。
例如,假设历史文本对应的每种可视化类型的历史可视化权重均为0.1,则可以生成对应每一种历史可视化权重对应可视化类型的目标可视化图像。
例如,假设预设权重阈值为0.2,超过0.2的可视化权重有4个,根据4个可视化权重对应的可视化类型进行可视化,得到目标可视化图像集。
在一可实施方式中,基于目标可视化权重确定可视化展示策略,包括:对目标可视化权重进行数值比较,得到比较结果;若比较结果表征最大数值的目标可视化权重不超过第一阈值,将可视化展示策略确定为:基于目标可视化权重的数值比值确定目标可视化图像的展示面积比值;若比较结果表征最大数值的目标可视化权重超过第一阈值,将可视化展示策略确定为:展示最大数值的目标可视化权重对应的目标可视化图像。
通过将目标文本与可视化意图矩阵中的历史文本进行相似度匹配,可以确定最接近目标文本的历史文本,具体的,目标文本和历史文本可以为同一类型的目标数据集。如:目标文本为两公司的营业收入对比,则历史文本可以是另外两家公司的营业收入对比。
根据历史文本对应的历史可视化权重,可以根据超过预设权重阈值的历史可视化权重,或选取历史可视化权重数值大的N个,确定对应的目标可视化类型。
例如,假设历史文本对应的每种可视化类型的历史可视化权重均为0.1,则可以生成对应每一种历史可视化权重对应可视化类型的目标可视化图像。
例如,假设预设权重阈值为0.2,超过0.2的可视化权重有4个,根据4个可视化权重对应的可视化类型进行可视化,得到目标可视化图像集。
在可视化展示策略上,还可以对目标可视化权重进行进一步分析,以确定目标可视化图像在输出页面的占比及位置。
例如,设置一个第一阈值,通过目标可视化图像对应的目标可视化权重与第一阈值进行对比,若存在目标可视化权重超过第一阈值,则将可视化展示策略确定为,仅输出超过第一阈值的目标可视化权重对应的目标可视化图像。进一步的,为保证输出结果具有针对性,所有可视化权重的分配可以按比例分配,即,所有可视化权重相加的总和等于1,并设定第一阈值至少大于0.5,则可以保证超过第一阈值的可视化图像的数量为1。
若不存在目标可视化权重超过第一阈值的目标可视化权重,则可以将可视化展示策略确定为,按输出页面的展示面积进行比例分配。例如,目标可视化图像有4个,对应的权重分别为0.2、0.2、0.2、0.4;则在进行可视化图像展示的时候,对应权重0.4的目标可视化图像占输出页面40%、对应权重0.2的目标可视化图像占输出页面的20%。
需要补充的是,在进行历史文本与目标文本相似度匹配过程中,本申请还需要设置相似度阈值,若比较结果为小于相似度阈值,则认为可视化意图矩阵中不存在与目标文本相似的文本,则将可输出的目标可视化图像的权重设置为相同。并同等比例输出所有可输出的目标可视化图像。例如,设置相似度阈值为0.7,若目标文本和所有历史文本的相似度比较值均低于0.7,则对目标文本进行可视化处理,得到对应目标文本的所有可视化图像,并将所有可视化图像对应的权重设置为相等,等占比输出所有可视化图像。
如此设置,应用本方法,能够从用户输入的目标文本中获得用户想要的分析意图,以权重的方式标记这些意图,根据权重关系确定对应答案的呈现策略,随着用户交互,设备能够逐渐了解用户倾向的意图,目标可视化图像集的呈现也会随之渐进式变化,更能够符合用户的预期。
图2示出了本申请实施例一种可视化答案的生成装置的实现模块示意图。
参见图2,根据本申请的第二方面,提供了一种可视化答案的生成装置,装置包括:获取模块201,用于获取来自指定用户的目标文本;确定模块202,用于确定指定用户对应的可视化意图矩阵,可视化意图矩阵包括历史文本和对应的历史可视化权重;匹配模块203,用于将目标文本与历史文本进行相似度匹配,得到相似度匹配信息;筛选模块204,用于根据相似度匹配信息,对历史可视化权重进行筛选,得到目标可视化权重;展示模块205,用于基于目标可视化权重确定可视化展示策略,基于可视化展示策略展示目标文本对应的目标可视化图像集。
在一可实施方式中,获取模块201,还用于获取历史文本对应的历史可视化图像集和历史交互信息;装置还包括:分析模块206,用于根据历史可视化图像集和历史交互信息进行类型关注度分析,确定历史可视化权重;整合模块207,用于整合历史文本和对应的历史可视化权重,得到可视化意图矩阵。
在一可实施方式中,分析模块206,包括:确定子模块2061,用于确定历史可视化图像集中的可视化图像对应的可视化图像类型;分析子模块2062,用于对历史交互信息进行对象分析,确定针对每一历史可视化图像的交互行为;分析子模块2062,还用于根据交互行为的行为参数进行关注度类型分析,得到历史可视化关注值;确定子模块2061,还用于根据历史可视化关注值确定可视化图像类型对应的历史可视化权重。
在一可实施方式中,确定子模块2061,包括:根据历史可视化关注值和历史可视化图像集确定可视化图像类型对应的关注度占比值;根据关注度占比值确定历史可视化权重。
在一可实施方式中,筛选模块204,包括:将数值最大的相似度匹配信息对应的可视化图像类型和对应的历史可视化权重确定为目标可视化图像类型和对应的目标可视化权重;装置还包括:处理模块208,用于根据目标可视化图像类型对目标文本进行可视化处理,得到目标可视化图像集。
在一可实施方式中,确定模块202,包括:对目标可视化权重进行数值比较,得到比较结果;若比较结果表征最大数值的目标可视化权重不超过第一阈值,将可视化展示策略确定为:基于目标可视化权重的数值比值确定目标可视化图像的展示面积比值;若比较结果表征最大数值的目标可视化权重超过第一阈值,将可视化展示策略确定为:展示最大数值的目标可视化权重对应的目标可视化图像。
根据本申请的第三方面,提供了一种电子设备,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本申请所述的方法。
根据本申请的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请所述的方法。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
图3示出了可以用来实施本申请的实施例的示例电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图3所示,设备300包括计算单元301,其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序,来执行各种适当的动作和处理。在RAM 303中,还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305,包括:输入单元306,例如键盘、鼠标等;输出单元307,例如各种类型的显示器、扬声器等;存储单元308,例如磁盘、光盘等;以及通信单元309,例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理,例如一种可视化答案的生成方法。例如,在一些实施例中,一种可视化答案的生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元308。在一些实施例中,计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时,可以执行上文描述的一种可视化答案的生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种可视化答案的生成方法。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种可视化答案的生成方法,其特征在于,所述方法包括:
获取来自指定用户的目标文本;
确定所述指定用户对应的可视化意图矩阵,所述可视化意图矩阵包括历史文本和对应的历史可视化权重;
将所述目标文本与所述历史文本进行相似度匹配,得到相似度匹配信息;
根据所述相似度匹配信息,对所述历史可视化权重进行筛选,得到目标可视化权重;
基于所述目标可视化权重确定可视化展示策略,基于所述可视化展示策略展示所述目标文本对应的目标可视化图像集。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述历史文本对应的历史可视化图像集和历史交互信息;
根据所述历史可视化图像集和历史交互信息进行类型关注度分析,确定历史可视化权重;
整合所述历史文本和对应的历史可视化权重,得到可视化意图矩阵。
3.根据权利要求2所述的方法,其特征在于,所述根据所述历史可视化图像集和历史交互信息进行类型关注度分析,确定历史可视化权重,包括:
确定历史可视化图像集中的可视化图像对应的可视化图像类型;
对所述历史交互信息进行对象分析,确定针对每一历史可视化图像的交互行为;
根据所述交互行为的行为参数进行关注度类型分析,得到历史可视化关注值;
根据所述历史可视化关注值确定所述可视化图像类型对应的历史可视化权重。
4.根据权利要求3所述的方法,其特征在于,
所述交互行为包括以下行为至少一项:点击行为、停留行为、分享行为、查看行为;
对应的,所述行为参数包括以下参数至少一项:点击动作参数、点击频次参数、查看行为参数、查看次数参数、停留时长参数、分享动作参数、分享频次参数。
5.根据权利要求3所述的方法,其特征在于,根据所述历史可视化关注值确定所述可视化图像类型对应的历史可视化权重,包括:
根据所述历史可视化关注值和所述历史可视化图像集确定所述可视化图像类型对应的关注度占比值;
根据所述关注度占比值确定历史可视化权重。
6.根据权利要求1所述的方法,其特征在于,根据所述相似度匹配信息,对所述历史可视化权重进行筛选,得到目标可视化权重,包括:
将数值最大的相似度匹配信息对应的可视化图像类型和对应的历史可视化权重确定为目标可视化图像类型和对应的目标可视化权重;
还包括:
根据所述目标可视化图像类型对目标文本进行可视化处理,得到目标可视化图像集。
7.根据权利要求6所述的方法,其特征在于,基于所述目标可视化权重确定可视化展示策略,包括:
对所述目标可视化权重进行数值比较,得到比较结果;
若所述比较结果表征最大数值的目标可视化权重不超过第一阈值,将所述可视化展示策略确定为:基于所述目标可视化权重的数值比值确定目标可视化图像的展示面积比值;
若所述比较结果表征最大数值的目标可视化权重超过第一阈值,将所述可视化展示策略确定为:展示所述最大数值的目标可视化权重对应的目标可视化图像。
8.一种可视化答案的生成装置,其特征在于,所述装置包括:
获取模块,用于获取来自指定用户的目标文本;
确定模块,用于确定所述指定用户对应的可视化意图矩阵,所述可视化意图矩阵包括历史文本和对应的历史可视化权重;
匹配模块,用于将所述目标文本与所述历史文本进行相似度匹配,得到相似度匹配信息;
筛选模块,用于根据所述相似度匹配信息,对所述历史可视化权重进行筛选,得到目标可视化权重;
展示模块,用于基于所述目标可视化权重确定可视化展示策略,基于所述可视化展示策略展示所述目标文本对应的目标可视化图像集。
9.一种电子设备,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权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410058600.7A CN117573847B (zh) | 2024-01-16 | 2024-01-16 | 可视化答案的生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410058600.7A CN117573847B (zh) | 2024-01-16 | 2024-01-16 | 可视化答案的生成方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117573847A true CN117573847A (zh) | 2024-02-20 |
CN117573847B CN117573847B (zh) | 2024-05-07 |
Family
ID=89895898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410058600.7A Active CN117573847B (zh) | 2024-01-16 | 2024-01-16 | 可视化答案的生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117573847B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140331179A1 (en) * | 2013-05-06 | 2014-11-06 | Microsoft Corporation | Automated Presentation of Visualized Data |
CN108710520A (zh) * | 2018-05-11 | 2018-10-26 | 中国联合网络通信集团有限公司 | 数据的可视化方法、装置、终端及计算机可读存储介质 |
CN109033165A (zh) * | 2018-06-20 | 2018-12-18 | 平安科技(深圳)有限公司 | 一种数据展示方法、计算机可读存储介质及终端设备 |
CN109933702A (zh) * | 2019-03-11 | 2019-06-25 | 智慧芽信息科技(苏州)有限公司 | 一种检索展示方法、装置、设备及存储介质 |
CN110797010A (zh) * | 2019-10-31 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 基于人工智能的问答评分方法、装置、设备及存储介质 |
CN113298587A (zh) * | 2020-05-25 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 店铺商品信息的展示方法、电子设备和客户端 |
CN113505209A (zh) * | 2021-07-09 | 2021-10-15 | 吉林大学 | 一种面向汽车领域的智能问答系统 |
WO2021218061A1 (zh) * | 2020-04-28 | 2021-11-04 | 平安科技(深圳)有限公司 | 智能调用机器人的方法、装置、设备及存储介质 |
CN113761334A (zh) * | 2020-11-13 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种可视化推荐方法、装置、设备和存储介质 |
CN114428901A (zh) * | 2021-12-28 | 2022-05-03 | 上海众源网络有限公司 | 一种个性化数据加载方法、装置、电子设备及存储介质 |
CN114595272A (zh) * | 2022-02-28 | 2022-06-07 | 珠海金山办公软件有限公司 | 获取推荐图表类型的方法及装置、电子设备、存储介质 |
CN115687672A (zh) * | 2022-10-26 | 2023-02-03 | 中网华信科技股份有限公司 | 图表可视化智能推荐方法、装置、设备及可读存储介质 |
CN116541493A (zh) * | 2023-04-07 | 2023-08-04 | 平安科技(深圳)有限公司 | 基于意图识别的交互应答方法、装置、设备、存储介质 |
-
2024
- 2024-01-16 CN CN202410058600.7A patent/CN117573847B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140331179A1 (en) * | 2013-05-06 | 2014-11-06 | Microsoft Corporation | Automated Presentation of Visualized Data |
CN108710520A (zh) * | 2018-05-11 | 2018-10-26 | 中国联合网络通信集团有限公司 | 数据的可视化方法、装置、终端及计算机可读存储介质 |
CN109033165A (zh) * | 2018-06-20 | 2018-12-18 | 平安科技(深圳)有限公司 | 一种数据展示方法、计算机可读存储介质及终端设备 |
CN109933702A (zh) * | 2019-03-11 | 2019-06-25 | 智慧芽信息科技(苏州)有限公司 | 一种检索展示方法、装置、设备及存储介质 |
CN110797010A (zh) * | 2019-10-31 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 基于人工智能的问答评分方法、装置、设备及存储介质 |
WO2021218061A1 (zh) * | 2020-04-28 | 2021-11-04 | 平安科技(深圳)有限公司 | 智能调用机器人的方法、装置、设备及存储介质 |
CN113298587A (zh) * | 2020-05-25 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 店铺商品信息的展示方法、电子设备和客户端 |
CN113761334A (zh) * | 2020-11-13 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种可视化推荐方法、装置、设备和存储介质 |
CN113505209A (zh) * | 2021-07-09 | 2021-10-15 | 吉林大学 | 一种面向汽车领域的智能问答系统 |
CN114428901A (zh) * | 2021-12-28 | 2022-05-03 | 上海众源网络有限公司 | 一种个性化数据加载方法、装置、电子设备及存储介质 |
CN114595272A (zh) * | 2022-02-28 | 2022-06-07 | 珠海金山办公软件有限公司 | 获取推荐图表类型的方法及装置、电子设备、存储介质 |
CN115687672A (zh) * | 2022-10-26 | 2023-02-03 | 中网华信科技股份有限公司 | 图表可视化智能推荐方法、装置、设备及可读存储介质 |
CN116541493A (zh) * | 2023-04-07 | 2023-08-04 | 平安科技(深圳)有限公司 | 基于意图识别的交互应答方法、装置、设备、存储介质 |
Non-Patent Citations (2)
Title |
---|
JOACHIMS T: "Unbiased learning-to-rank with biased feedback", 《PROCEEDINGS OF THE TENTH ACM INTERNATIONAL CONFERENCE ON WEB SEARCH AND DATA MINING.CAMBRIDGE:ACM》, 31 December 2017 (2017-12-31) * |
朱学芳;丁笑舒;江莹;: "面向LAM数字资源融合服务需求分析及主题可视化展示研究", 情报科学, no. 05, 1 May 2020 (2020-05-01) * |
Also Published As
Publication number | Publication date |
---|---|
CN117573847B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8749553B1 (en) | Systems and methods for accurately plotting mathematical functions | |
CN111325353A (zh) | 训练数据集的贡献度计算方法、装置、设备及存储介质 | |
CN111144242B (zh) | 一种三维目标检测方法、装置及终端 | |
CN109829069B (zh) | 图像审核处理方法、装置、电子设备及存储介质 | |
US10521494B2 (en) | Content to layout template mapping and transformation | |
CN110399487B (zh) | 一种文本分类方法、装置、电子设备及存储介质 | |
EP3408752B1 (en) | Object management and visualization using a computing device | |
WO2023097990A1 (zh) | 元素布局方法以及相关设备 | |
CN111597348A (zh) | 用户画像方法、装置、计算机设备和存储介质 | |
CN110378516B (zh) | 分析师画像生成方法、装置、设备及计算机可读存储介质 | |
CN111782758A (zh) | 基于cad的图纸审查结果查看方法及相关装置 | |
CN117573847B (zh) | 可视化答案的生成方法、装置、设备及存储介质 | |
CN117112090A (zh) | 业务页面主题生成方法、装置、计算机设备、介质和产品 | |
CN110781378B (zh) | 数据图形化处理方法、装置、计算机设备及存储介质 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN114399497A (zh) | 文本图像质量检测方法、装置、计算机设备及存储介质 | |
CN114331388A (zh) | 基于联邦学习的薪资计算方法、装置、设备及存储介质 | |
CN113468354A (zh) | 推荐图表的方法、装置、电子设备及计算机可读介质 | |
Curry | Artistic defamiliarization in the Age of Algorithmic prediction | |
CN105607886A (zh) | 一种基于物联网的教育云视频数据显示处理系统及方法 | |
CN108073594B (zh) | 一种生成热力图的方法及装置 | |
CN106484710B (zh) | 动态数据处理方法和装置、信息显示方法和装置 | |
CN111553136A (zh) | 一种生成演示文档模板的方法、装置及电子设备 | |
Milutinović et al. | Does visual saliency affect decision-making? | |
CN114004212B (zh) | 数据处理方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |