CN117851500A - 一种基于多维度数据的可视化方法 - Google Patents
一种基于多维度数据的可视化方法 Download PDFInfo
- Publication number
- CN117851500A CN117851500A CN202311854925.8A CN202311854925A CN117851500A CN 117851500 A CN117851500 A CN 117851500A CN 202311854925 A CN202311854925 A CN 202311854925A CN 117851500 A CN117851500 A CN 117851500A
- Authority
- CN
- China
- Prior art keywords
- data
- card
- data card
- matching result
- information
- 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
- 238000007794 visualization technique Methods 0.000 title claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 34
- 238000012800 visualization Methods 0.000 claims description 15
- 238000007405 data analysis Methods 0.000 description 21
- 238000013079 data visualisation Methods 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004806 packaging method and process Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于多维度数据的可视化方法，包含以下步骤：创建数据库；创建数据卡片库，数据卡片库包括若干带标签的数据卡片；对用户输入进行预处理，得到关键词；对所述关键词进行智能匹配，得到信息匹配结果和标签匹配结果；根据所述信息匹配结果在所述数据库中进行搜索，得到数据查询结果；根据所述数据查询结果、标签匹配结果和数据卡片库，生成数据卡片；对所述数据卡片进行优先级排序后展示给用户。
Description
技术领域
本发明涉及一种基于多维度数据的可视化方法，属于计算机数据可视化技术领域。
背景技术
在现有多维度数据分析功能相关的需求分析流程中，业务人员缺乏对分析知识的了解，需要开发人员定制化个性展示可视化分析页面，随着计算机技术的快速发展和数据可视化技术不断演进，亟需一种基于多维度数据快速生成场景的技术方法，既能满足数据个性化展示需求，又能够快速响应数据分析展示需求。现有数据展示卡片封装技术主要基于通用的图表对数据进行展示，在展示样式和联动操作方面，不能满足日益多元化的数据分析展示需求。而且自定义的场景可视化技术不能提供个性化的数据分析服务，无法满足数据快速展示的需求。在传统的情况下，业务查询人员需要通过访问特定界面来查看某些卡片数据。然而，当业务系统变得复杂时，业务人员必须对系统有较高的熟悉度。这种方式无法满足业务查询人员直接提出问题并直接获取数据卡片内容的需求。
发明内容
本发明的技术解决问题是：克服现有技术的不足，提供一种基于多维度数据的可视化方法，面向不同数据分析和展示需求自动快速构建复杂的数据分析卡片。
本发明的技术解决方案是：
本发明公开了一种基于多维度数据的可视化方法，包含以下步骤：
创建数据库；
创建数据卡片库，数据卡片库包括若干带标签的数据卡片；
对用户输入进行预处理，得到关键词；
对所述关键词进行智能匹配，得到信息匹配结果和标签匹配结果；
根据所述信息匹配结果在所述数据库中进行搜索，得到数据查询结果；
根据所述数据查询结果、标签匹配结果和数据卡片库，生成数据卡片；
对所述数据卡片进行优先级排序后展示给用户。
进一步地，在上述方法中，所述创建数据卡片库，具体为：
创建基础组件；
基于基础组件，创建业务组件；
对所述业务组件进行标识，得到标识后的卡片模板；
根据若干标识后的卡片模板，构成数据卡片库。
进一步地，在上述方法中，对所述业务组件进行标识，得到标识后的卡片模板，具体为：
创建多维元数据参数项；
基于多维数据参数项，创建卡片标识；
将业务组件和卡片标识进行绑定，在搜索工具数据库中建立卡片和标识的关键索引信息，得到标识后的卡片模板。
进一步地，在上述方法中，所述对用户输入进行预处理，具体为：
对用户输入的信息进行词干提取和去除停用词处理，得到处理后的信息；
对处理后的信息进行词性标注，得到标注后的信息；
根据标注后的信息，提取关键词。
进一步地，在上述方法中，所述对关键词进行智能匹配，得到信息匹配结果和标签匹配结果，具体为：
对关键词进行语义延展和语义匹配，得到若干信息匹配结果；
将每个信息匹配结果与数据卡片的标签进行相似度匹配，得到每个信息匹配结果的相似度；
将相似度大于60％的匹配词作为标签匹配结果。
进一步地，在上述方法中，根据所述数据查询结果、标签匹配结果和数据卡片库，生成数据卡片，具体为：
根据所述标签匹配结果，从数据卡片库中提取数据卡片模板；
将数据查询结果加载在所述数据卡片模板上，形成数据卡片。
进一步地，在上述方法中，根据所述标签匹配结果，从数据卡片库中提取数据卡片模板，具体为：
将所述标签匹配结果作为关键字，在数据卡片库中进行搜索，得到的数据卡片模板。
进一步地，在上述方法中，所述将数据查询结果加载在所述数据卡片模板上，形成数据卡片，具体为：
将所述数据查询结果进行格式化，形成数据卡片模板能识别的数组；
将所述数组分类加载到数据卡片模板中的业务组件中，形成数据卡片。
进一步地，在上述方法中，所述基础组件，包括按钮、柱状图和折线图。
进一步地，在上述方法中，所述业务组件包括容器组件、业务功能组件、反馈组件和数据展示组件。
本发明与现有技术的有益效果在于：
(1)本发明面向不同数据分析和展示需求自动快速构建复杂的数据分析场景。同时可以基于用户上下文进行深度对话式问答，根据业务查询人员提出的问题直接获取需要的数据卡片，极大提高业务查询人员获取信息的效率。
(2)相比于现有复杂可视化展示场景的开发方法，本发明的可视化封装方法可以通过数据面板库快速构建符合需求的数据场景。提高数据可视化组件库的可控性、易维护性，并减少开发人员的学习成本。
(3)本发明通过构建数据面索引实现可视化场景的自动化构建，不仅简化了可视化场景的搭建过程，同时也提高了系统的响应速度和用户体验，为用户提供了更便捷、高效的数据分析和可视化操作。这种自动化构建的方法不仅仅限于特定类型的数据，而且能够适应多样化的数据源，使得用户无需深入了解底层技术，便能轻松创建个性化、多维度的可视化场景。
(4)本发明通过综合使用Elasticsearch和NLP，可以充分发挥它们在搜索和语义理解领域的优势，为用户提供更智能、更高度定制化的搜索体验。极大提高了业务查询人员查询数据卡片面板的效率。
附图说明
图1为本发明数据分析和构建流程图；
图2为本发明数据卡片搜索流程图；
图3为本发明数据卡片开发流程图；
图4为传统图标可视化场景；
图5为本发明3D场景可视化示意图。
具体实施方式
下面结合附图及具体实施方式对本发明做进一步详细说明。
本发明公开了一种基于多维度数据的可视化方法，包含以下步骤：
步骤1、创建数据库；
步骤2、创建数据卡片库，数据卡片库包括若干带标签的数据卡片；
步骤3、对用户输入进行预处理，得到关键词；
步骤4、对关键词进行智能匹配，得到信息匹配结果和标签匹配结果；
步骤5、根据信息匹配结果在数据库中进行搜索，得到数据查询结果；
步骤6、根据数据查询结果、标签匹配结果和数据卡片库，生成数据卡片；
步骤7、对数据卡片进行优先级排序后展示给用户。
优选地，创建数据卡片库，具体为：
创建基础组件；
基于基础组件，创建业务组件；
对业务组件进行标识，得到标识后的卡片模板；
根据若干标识后的卡片模板，构成数据卡片库。
优选地，对业务组件进行标识，得到标识后的卡片模板，具体为：
创建多维元数据参数项；
基于多维数据参数项，创建卡片标识；
将业务组件和卡片标识进行绑定，在搜索工具数据库中建立卡片和标识的关键索引信息，得到标识后的卡片模板。本实施例中，搜索工具为Elasticsearch。
优选地，对用户输入进行预处理，具体为：
对用户输入的信息进行词干提取和去除停用词处理，得到处理后的信息；
对处理后的信息进行词性标注，得到标注后的信息；
根据标注后的信息，提取关键词。
优选地，对关键词进行智能匹配，得到信息匹配结果和标签匹配结果，具体为：
对关键词进行语义延展和语义匹配，得到若干信息匹配结果；
将每个信息匹配结果与数据卡片的标签进行相似度匹配，得到每个信息匹配结果的相似度；
将相似度大于60％的匹配词作为标签匹配结果。
优选地，根据数据查询结果、标签匹配结果和数据卡片库，生成数据卡片，具体为：
根据标签匹配结果，从数据卡片库中提取数据卡片模板；
将数据查询结果加载在数据卡片模板上，形成数据卡片。
优选地，根据标签匹配结果，从数据卡片库中提取数据卡片模板，具体为：
将标签匹配结果作为关键字，在数据卡片库中进行搜索，得到的数据卡片模板。
优选地，将数据查询结果加载在数据卡片模板上，形成数据卡片，具体为：
将数据查询结果进行格式化，形成数据卡片模板能识别的数组；
将数组分类加载到数据卡片模板中的业务组件中，形成数据卡片。
优选地，基础组件，包括按钮、柱状图和折线图。
优选地，业务组件包括容器组件、业务功能组件、反馈组件和数据展示组件。
实施例
本发明中对数据可视化的封装过程实现了数据可视化的快速开发和分析。具体实施的前提是已经积累了符合数据展示需求的可视化组件和数据卡片。首先数据可视化封装方法对应用户用例有两种，分别为数据分析人员和数据信息获取人员。数据分析人员搜索现有组件，定义数据面板的数据维度和数据集，形成数据面板索引并推送给相关人员。数据信息获取人员，可以通过查看推送信息查看数据分析结果，也可以通过搜索和自然语言解析查找索引从而查看数据分析结果。
数据分析和构建流程如图1所示。其中卡片所用到的开发方法和流程具体如图3所示，数据信息获取人员搜索数据信息流程如图2所示。以下通过数据展示用例实现对具体数据可视化封装方法的具体描述：
(1)创建数据卡片库
如图3所示，首先，创建数据可视化项目的目录结构，所述目录结构中设置有组件文件夹；然后，根据所述数据新增展示需求，将需要开发的组件至少拆分为数据展示组件和效果渲染组件两大类；接下来，使用Vue开发所述数据展示组件，使用Svg开发所述效果渲染组件，以及将开发完成的组件存放在所述组件文件夹中；然后，在所述数据可视化项目开发完成后，至少将所述数据可视化项目中的组件打包并发布，以得到能够供前端用户下载使用的数据可视化组件库。卡片中使用到的可视化组件包含传统的数据分析图表和基于ThreeJS技术实现的3D场景组件。
(2)数据卡片标识
根据数据卡片的特征绑定数据卡片的展示形式和维度元数据，形成数据索引存放于Elasticsearch中。
1)场景1
数据分析需求为分析某集团公司及二级单位十年营业收入和净利润趋势，并通过切换年份获取近十年数据走势。数据需求为该集团公司及二级单位十年的营业收入和净利润数据；可视化需求为图表中的线图(line)即可，在面板图库中存在。
NLP预处理用户输入：数据信息获取人员输入自然语言描述数据分析需求，使用NLP库处理用户输入，，通过自然语言解析引擎获取数据需求相关的关键字，包括“某集团公司”，“二级单位”“二级单位”,“十年”，“营业收入”，“净利润”等。
构建并执行Elasticsearch查询：使用预处理后的用户输入构建Elasticsearch查询，以实现高效的全文搜索。利用Elasticsearch的模糊搜索和相似度算法，提高搜索的灵活性。
NLP分析与智能匹配：利用NLP技术对用户输入进行深层次的语义分析，提取用户意图和上下文信息。结合Elasticsearch返回的数据卡片信息，进行智能匹配，确保数据查询结果更符合用户期望。
动态加载数据卡片组件：若智能匹配到了相关内容，根据Elasticsearch返回的匹配数据，动态渲染对应的数据卡片组件。将数据传递给组件以进行图表渲染。最后系统服务自动生成数据分析图表。同时，面对集团公司不同层级的数据信息获取人员，即集团总部和二级单位人员，将默认组织维度进行设定，实现数据可视化个性化推荐，如图4所示。
2)场景2：
数据分析需求为某公司某部门员工基础信息和工作状态查询，人员分布情况复杂，需要3D场景表明人员所在楼层和厂房工作位置。数据需求有楼层和厂房的3D模型数据，员工的位置数据、基本信息数据、工作状态数据。可视化需求为3D场景数据展示。
NLP预处理用户输入：将用户输入的“3D”，“某部门员工”，“某部门员工”和“工作状态”等关键字解析处理；
构建并执行Elasticsearch查询：根据关键字搜索相关3D场景卡片索引和数据维度索引组合。
NLP分析与智能匹配：利用NLP技术提取上下文信息，查找到最近出现事故的厂房A，着重显示该部门中厂房A的相关信息。
动态加载数据卡片组件：若智能匹配到了相关内容，根据搜索引擎Elasticsearch返回的数据卡片索引，动态加载3D模型和相关数据展示组件，形成3D数据分析场景，为数据信息获取人员提供3D场景数据分析结果，如图5所示。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
Claims (10)
1.一种基于多维度数据的可视化方法，其特征在于，包含以下步骤：
创建数据库；
创建数据卡片库，数据卡片库包括若干带标签的数据卡片；
对用户输入进行预处理，得到关键词；
对所述关键词进行智能匹配，得到信息匹配结果和标签匹配结果；
根据所述信息匹配结果在所述数据库中进行搜索，得到数据查询结果；
根据所述数据查询结果、标签匹配结果和数据卡片库，生成数据卡片；
对所述数据卡片进行优先级排序后展示给用户。
2.根据权利要求1所述的一种基于多维度数据的可视化方法，其特征在于：所述创建数据卡片库，具体为：
创建基础组件；
基于基础组件，创建业务组件；
对所述业务组件进行标识，得到标识后的卡片模板；
根据若干标识后的卡片模板，构成数据卡片库。
3.根据权利要求2所述的一种基于多维度数据的可视化方法，其特征在于：对所述业务组件进行标识，得到标识后的卡片模板，具体为：
创建多维元数据参数项；
基于多维数据参数项，创建卡片标识；
将业务组件和卡片标识进行绑定，在搜索工具数据库中建立卡片和标识的关键索引信息，得到标识后的卡片模板。
4.根据权利要求1所述的一种基于多维度数据的可视化方法，其特征在于：所述对用户输入进行预处理，具体为：
对用户输入的信息进行词干提取和去除停用词处理，得到处理后的信息；
对处理后的信息进行词性标注，得到标注后的信息；
根据标注后的信息，提取关键词。
5.根据权利要求1所述的一种基于多维度数据的可视化方法，其特征在于：所述对关键词进行智能匹配，得到信息匹配结果和标签匹配结果，具体为：
对关键词进行语义延展和语义匹配，得到若干信息匹配结果；
将每个信息匹配结果与数据卡片的标签进行相似度匹配，得到每个信息匹配结果的相似度；
将相似度大于60％的匹配词作为标签匹配结果。
6.根据权利要求2所述的一种基于多维度数据的可视化方法，其特征在于，根据所述数据查询结果、标签匹配结果和数据卡片库，生成数据卡片，具体为：
根据所述标签匹配结果，从数据卡片库中提取数据卡片模板；
将数据查询结果加载在所述数据卡片模板上，形成数据卡片。
7.根据权利要求6所述的一种基于多维度数据的可视化方法，其特征在于：根据所述标签匹配结果，从数据卡片库中提取数据卡片模板，具体为：
将所述标签匹配结果作为关键字，在数据卡片库中进行搜索，得到的数据卡片模板。
8.根据权利要求6所述的一种基于多维度数据的可视化方法，其特征在于：所述将数据查询结果加载在所述数据卡片模板上，形成数据卡片，具体为：
将所述数据查询结果进行格式化，形成数据卡片模板能识别的数组；
将所述数组分类加载到数据卡片模板中的业务组件中，形成数据卡片。
9.根据权利要求2所述的一种基于多维度数据的可视化方法，其特征在于：所述基础组件，包括按钮、柱状图和折线图。
10.根据权利要求1所述的一种基于多维度数据的可视化方法，其特征在于：所述业务组件包括容器组件、业务功能组件、反馈组件和数据展示组件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311854925.8A CN117851500A (zh) | 2023-12-29 | 2023-12-29 | 一种基于多维度数据的可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311854925.8A CN117851500A (zh) | 2023-12-29 | 2023-12-29 | 一种基于多维度数据的可视化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117851500A true CN117851500A (zh) | 2024-04-09 |
Family
ID=90541487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311854925.8A Pending CN117851500A (zh) | 2023-12-29 | 2023-12-29 | 一种基于多维度数据的可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117851500A (zh) |
-
2023
- 2023-12-29 CN CN202311854925.8A patent/CN117851500A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108089843B (zh) | 一种智能化的银行企业级需求管理系统 | |
| US7814102B2 (en) | Method and system for linking documents with multiple topics to related documents | |
| JP2011227932A (ja) | 情報発見タスクのために公表文献のキャプション付きオブジェクトに索引付けする方法およびシステム | |
| US7853595B2 (en) | Method and apparatus for creating a tool for generating an index for a document | |
| CN110929007A (zh) | 一种电力营销知识体系平台及应用方法 | |
| CN110362596A (zh) | 一种文本抽取信息结构化数据处理的控制方法及装置 | |
| CN112035757A (zh) | 医疗瀑布流推送方法、装置、设备及存储介质 | |
| CN111428503A (zh) | 同名人物的识别处理方法及处理装置 | |
| CN113553419A (zh) | 民航知识图谱问答系统 | |
| CN111881695A (zh) | 一种审计知识的检索方法及装置 | |
| Jyothi et al. | Knowledge extraction using rule based decision tree approach | |
| CN116595008A (zh) | 一种页面表单与数据库表自动映射方法及其系统 | |
| US10628632B2 (en) | Generating a structured document based on a machine readable document and artificial intelligence-generated annotations | |
| JP2014102625A (ja) | 情報検索システム、プログラム、および方法 | |
| JPH07182368A (ja) | データ加工システム | |
| CN117851500A (zh) | 一种基于多维度数据的可视化方法 | |
| CN112487154B (zh) | 一种基于自然语言的智能搜索方法 | |
| Hoogeveen et al. | Integration of information retrieval and database management in support of multimedia police work | |
| Belerao et al. | Summarization using mapreduce framework based big data and hybrid algorithm (HMM and DBSCAN) | |
| CN112464668A (zh) | 一种提取智能家居行业动态信息的方法和系统 | |
| Zhang et al. | Rasop: an api recommendation method based on word embedding technology | |
| Manna et al. | Information retrieval-based question answering system on foods and recipes | |
| Kuo | An Automatic Library Data Classification System Using Layer Structure and Voting Strategy | |
| CN117034864B (zh) | 可视化标注方法、装置、计算机设备以及存储介质 | |
| CN116775813B (zh) | 业务搜索方法、装置、电子设备及可读存储介质 |
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 |