CN115061760B - 一种面向分析过程的状态感知元可视化方法 - Google Patents
一种面向分析过程的状态感知元可视化方法 Download PDFInfo
- Publication number
- CN115061760B CN115061760B CN202210601782.9A CN202210601782A CN115061760B CN 115061760 B CN115061760 B CN 115061760B CN 202210601782 A CN202210601782 A CN 202210601782A CN 115061760 B CN115061760 B CN 115061760B
- Authority
- CN
- China
- Prior art keywords
- view
- similarity
- visual
- node
- analysis
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008569 process Effects 0.000 title claims abstract description 24
- 238000007794 visualization technique Methods 0.000 title claims abstract description 11
- 230000008447 perception Effects 0.000 title claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 97
- 238000012800 visualization Methods 0.000 claims abstract description 51
- 238000013507 mapping Methods 0.000 claims abstract description 40
- 230000003993 interaction Effects 0.000 claims abstract description 25
- 239000013598 vector Substances 0.000 claims description 22
- 238000013461 design Methods 0.000 claims description 20
- 239000003086 colorant Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 9
- 241000518579 Carea Species 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 4
- 238000011985 exploratory data analysis Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000004438 eyesight Effects 0.000 claims description 3
- 238000012552 review Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 4
- 239000002245 particle Substances 0.000 description 20
- 238000010586 diagram Methods 0.000 description 11
- 230000005262 alpha decay Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种面向分析过程的状态感知元可视化方法，先获取分析师在数据分析中浏览、创建的所有视图；基于此，设计基于视觉隐喻的元可视化视图单元，实现原始视图快速的视觉概览；设计基于可调节力导向布局的元可视化，视图单元间的相对位置、链接映射视图的相似程度，支持视图单元布局的调整；设计基于分析序列的元可视化，以列表的形式记录分析过程，便于回顾分析行为。本发明结合视图间的联动和视图内部丰富的交互，辅助分析师理解分析状态，感知视图间的关联关系，发现分析兴趣，从而高效深入地探索数据。
Description
技术领域
本发明涉及信息可视化与可视分析技术领域，具体为一种面向分析过程的状态感知元可视化方法。
背景技术
随着信息技术的蓬勃发展以及大数据时代的到来，人类社会中各种各样的数据呈现爆炸式的增长，数据作为一种宝贵的资源，背后潜藏着巨大的商业、科学研究价值。可视化借助于人眼的快速视觉感知和人脑的智能认知能力，可以起到清晰有效地传达、沟通并辅助数据分析的作用。
对于数据分析师而言，面对一个相对陌生的数据集，选择合适的数据并创建有效的视图对数据进行探索分析以得到有价值的见解是十分困难且繁琐的，期间伴随着大量试错。为了创建一个视图，分析人员需要做一系列决策，包括：选择合适的数据属性组合、视图类型、映射通道以及聚合操作等，而可决策的空间会随着数据集规模的增大成指数倍增长。此外，创建视图需要分析人员具备一定的编码能力或可视化工具的使用能力。
探索式分析工具从数据集自动生成一系列视图，使分析师仅通过浏览、观察视图的方式就达到探索数据的目的，同时分析师也可对视图进行定制，从而达到降低数据分析门槛、提高分析效率的目标。然而，从分析过程的角度出发，分析人员对数据集的探索是逐步深入的，探索过程存在丰富的上下文信息，用户迫切需要对这些视图进行恰当的组织和表示以引导分析方向。
目前，大多数工作采用基于列表的方法组织和表示可视化视图，该方法允许用户直观地观察每一个视图的详细信息，并调整视图的布局和顺序。但这样的方式，没有体现视图间的关联关系，也丢失视图创建、分析的时序关系。此外，也存在基于嵌入的方法对视图进行向量化并投影到二维平面，视图间的距离表示视图间的相似性，由此得到的布局是不可调整的静态布局，且距离由算法决定缺乏可解释性。同样地，该方法也未考虑视图的时序信息，无法呈现分析状态的演化模式。
综上所述，随着数据探索分析的深入，用户创建、浏览的可视化视图数量会越来越多，视图间的关系越来越复杂，现有方法无法很好地满足用户理解整体分析状态、感知视图关联关系、发现分析兴趣等高级分析需求，由此限制了数据分析的深度和效率。
发明内容
针对上述问题，本发明的目的在于提供一种面向分析过程的状态感知元可视化方法，以用户分析的可视化视图为分析对象，设计并实现具有交互能力的元可视化视图；辅助用户实现对分析状态的理解、对视图关联关系的感知，更好地发现分析兴趣，从而深入高效地探索数据。技术方案如下：
一种面向分析过程的状态感知元可视化方法，包括以下步骤：
S1：数据获取与处理
获取分析师在探索式数据分析中浏览、创建的所有视图；
S2：可视化映射
通过视觉通道将经步骤S1获得的数据进行可视化映射：
设计基于视觉隐喻的元可视化视图单元，提取原始视图的重点关注信息以元可视化的形式进行呈现，用元可视化中视觉元素映射原始视图的信息，包括标记类型、数据通道、数据属性和几何信息，实现原始视图的视觉概览；
设计基于可调节力导向布局的元可视化，用来映射原始视图，用视图单元间的相对位置、链接映射视图的相似程度，结合可调节力导向布局实现视图关联、演变模式、整体状态的呈现；
设计基于分析序列的元可视化，用视图的位置映射分析时间，用颜色和标签映射视图的类型，便于用户回顾分析行为；
S3：可视化布局与实现
在数据获取与处理、可视化映射的基础上，完成基于视觉隐喻的元可视化视图单元、基于可调节力导向布局的元可视化和基于分析序列的元可视化的布局与实现；
S4：交互设计
基于视觉隐喻的元可视化视图单元支持预览、提示和选择交互操作；基于可调节力导向布局的元可视化支持作用力调节、拖拽、锁定/解锁和图表观察/对比交互操作。
进一步的，在步骤S2中，可视化映射具体包括：
S21：对基于视觉隐喻的元可视化视图单元进行颜色、位置、文本、视觉隐喻映射：用不同颜色、不同位置的矩形色块编码原始视图中不同维度的数据属性，色块的颜色和数据属性名称一一对应，每种颜色代表一个数据属性，色块的位置与原始视图的视觉通道一一对应，左、下、右分别对应Y、X、Co l or通道，色块的数量与原始视图的数据维度相同；通过在圆环内嵌字母的方式编码原始图表类型；在色块附近水平展示对应的数据属性名称，文字颜色与色块颜色一致；通过缩略图的形式编码原始视图图表样式的几何特征；
S22：对基于可调节力导向布局的元可视化进行位置、链接映射：用元可视化视图单元映射原始视图，视图单元的绝对位置受到多种作用力影响，视图单元间的相对位置表示其在特定分析需求下的相关性；相似的视图间会存在链接，链接的宽度编码相似度大小，链接长度编码视图间的亲疏关系，链接颜色默认用浅灰色表示；
S23：对基于分析序列的元可视化进行位置、颜色、标签映射：视图的位置编码其创建或被浏览的时间，从上到下表示时间的先后；采用不同的底色、标签编码视图的类型。
更进一步的，所述S3中可视化布局与实现具体为：
S31：在基于视觉隐喻的元可视化视图单元中，将内嵌字母标记的圆CArea1置于视图左上角；将包含原始视图缩略图的矩形IArea1置于视图上半部分；将矩形色块RArea1、RArea2、RArea3置于视图右、左、下部分；
S32：在基于可调节力导向布局的元可视化中，每个视图单元的位置由多种作用力共同决定，视图单元间的链接由视图间的位置、相似度决定；
S33：在基于分析序列的元可视化中，采用列表的形式，从上到下单列排列各视图单元，每个视图单元内嵌在一个带有底色的矩形框内，在矩形框的右上角绘制直角三角形标签，各矩形框从上到下无间隙单列排列并保持竖直对齐，最近分析的视图单元保持在最下方。
更进一步的，所述基于视觉隐喻的元可视化视图单元的布局与实现的具体过程如下：
S31a：根据下式计算各视觉元素宽、高：
式中：tR为图表类型文本框半径；viewWidth为视觉单元外矩形宽度；viewHeight为视觉单元外矩形高度；yWidth为Y视觉通道属性色块宽度；xHeight为X视觉通道属性色块高度；colorWidth为Color视觉通道属性色块宽度；imgWidth为原始视图几何信息图宽度；imgHeight为原始视图几何信息图高度；imgPadding为原始视图几何信息图内边距；a、b、c、d是常数；
S31b：根据原始视图的标记类型往CArea1中填入对应的字母；
S31c：从原始视图中提取相关的几何特征，以缩略图的形式填入IArea1中；
S31d：根据原始视图各视觉通道对应的数据属性名，选择映射的颜色填充矩形色块RArea1-3，并在色块附近水平展示对应的数据属性名称，文本颜色与色块颜色一致。
更进一步的，在步骤S3中，所述基于可调节力导向布局的元可视化的布局与实现的具体过程如下：
S32a：在可调节力导向布局实现原理的基础上，实现多种节点间的作用力，并完成非线性时间轴的映射，从而确定视图单元的位置；
S32b：根据视图单元的所处的位置，计算链接长度；根据视图间的相似度，计算链接宽度，包括图表类型相似度、数据属性相似度、分析任务相似度、标题相似度、评论相似度，并采用加权的方式表示图表的整体相似度；在此基础上绘制视图单元间的链接。
更进一步的，在步骤S32a中，视图单元位置的计算步骤具体如下：
Sa1：通过对节点施加作用力以修改其位置:假设节点K，要给节点K施加一个趋近于原点的“原点力”，则通过下面的公式对节点位置或速度进行修改：
式中：xk为节点K的X轴坐标位置；yk为节点K的Y轴坐标位置；vxk为节点K在X轴方向的速度；vyk为节点K在Y轴方向的速度；forceConst为控制力大小的常量；Sa2：采用非线性的时间轴映射方案，在非线性时间轴映射中，对应视图节点在X轴上映射后的坐标分别为x1、x2、x3，其关系满足下面的公式：
式中：tn为第n个节点被创建或浏览的时间；canvasWidth为画布宽度；gapWidthn,n+1为第n、n+1个节点间的相对位置；xn为第n个节点在画布中的X坐标；gap为临时变量；ratioTemp为临时变量；
Sa3：设计时间轴力，以使每个节点按照时间顺序进行排列，从而实现对分析流程和演变模式的呈现；
假设一个节点K，通过下面的公式对节点速度进行修改，以对每个节点的施加“时间轴力”：
vxk＝-(xk-xk,t)×dt×0.1
式中：vxk为节点K在X轴方向的速度；xk为节点K的X轴坐标位置；xk,t为节点K对应的创建时间t的在X轴的坐标；dt为常量，时间轴力的强度。
更进一步的，在步骤S32b中，视图单元间链接的绘制步骤具体如下：
Sb1：计算图表类型相似度:
对于任意两个不同的节点Ki及Kj，其图表类型分别为typei及typej，其图表类型相似度计算如下：
式中：typeSimi,j为节点Ki、Kj间的图表类型相似度；typei、typej为节点Ki、Kj的图表类型；
Sb2：计算数据属性相似度:
对于任意两个不同的节点Ki及Kj，其数据属性相似度计算如下：
式中：fieldSimi,j为节点Ki、Kj间的数据属性相似度；nNi,j为节点Ki、Kj间相同的属性名数量；sNi,j为节点Ki、Kj间名称和视觉通道均相同的属性数量；nTi,j为节点Ki、Kj间相同类别的属性数量；sTi,j为节点Ki、Kj间类别和视觉通道均相同的属性数量；Max[fNi,fNj]为节点Ki、Kj分别使用视觉通道数的最大值；ratioMid为中间变量；
Sb3：计算分析任务相似度:
对于任意一个节点Ki，其对应的原始图表可能执行的分析任务由一个10维向量表示，每一个分量表示该原始图表执行该分析任务的概率，采用余弦相似度方法计算分析任务相似度；
式中：taskSimi,j为节点Ki、Kj的分析任务相似度；tVi为节点Ki的分析任务特征向量；tVj为节点Kj的分析任务特征向量；
Sb4：计算标题相似度:
对于任意Ki，采用预训练BERT模型提取其标题句子的嵌入向量；对于任意两个不同的节点，二者标题相似度由各自标题嵌入向量计算余弦相似度得到；若两节点中任意节点没有标题，则二者标题相似度取0；
式中：titleSimi,j为节点Ki、Kj的标题相似度；titleVi为节点Ki的标题句子向量；titleVj为节点Kj的标题句子向量；
Sb5：计算评论相似度：
采用预训练BERT对评论文本提取句子嵌入，并采用余弦相似度计算节点间评论相似度；
Sb6：计算加权相似度：
对于任意两个不同的节点Ki及Kj，采用算术加权的方式计算节点间整体相似度；
式中：weightSimi,j为节点Ki、Kj的加权相似度；weightnum为第num种相似度的权重值；simnum,i,j为节点Ki、Kj的第num种相似度大小；
Sb7：计算链接宽度:
对于任意的两个节点Ki及Kj，二者相似度为simi,j，用户指定的链接关系阈值为simbase1，用户指定的链接展示阈值为simbase2，且simi,j≥simbase2≥simbase1，则节点间存在链接，链接宽度的计算公式如下所示：
widthi,j＝baseWidth×(1+ratioConst×simi,j)
式中：widthi,j为节点Ki及Kj间的链接宽度；baseWidth为链接基础宽度；ratioConst为常量，表示链接依据节点间相似度大小放大的倍率；simi,j为节点Ki及Kj间的相似度大小。
更进一步的，在步骤S33中,对于特定的视图单元VnumSeq，其顶部距离画布下方的距离seqHeight由下式计算得到；
seqHeightnumSeq＝(viewCount-numSeq+1)containerViewHeight
式中：seqHeightnumSeq为第numSeq个分析行为对应视图单元的顶部到画布底部的高度；viewCount为当前产生的分析行为总数；numSeq为视图单元VnumSeq创建的次序；containerViewHeight为视图单元的高度。
更进一步的，在步骤S4中，所述作用力调节交互操作具体为：采用基于雷达图的视图实现力导向布局中作用力的实时调整，用户点击权重设置按钮调出作用力调节面板，所述作用力调节面板中调节项分为三类：
a)约束力强度：该类作用力由黄色表示，分别用于调节时间约束力、水平线约束力和链接约束力的强度；
b)图表相似度权重：该类调节由红色表示，用于调节视图加权相似度中各相似度所占的权重；
c)链接作用与展示：该类调节用蓝色表示，通过相互作用阈值过滤不重要的节点关系、展示阈值筛选和隐藏较弱的链接关系；且作用力的种数根据实际需求动态调整。
本发明的有益效果是：
1)本发明设计基于视觉隐喻的元可视化视图单元，提取原始视图的重要信息以元可视化的形式进行呈现，实现原始视图快速的视觉概览；
2)本发明设计基于可调节力导向布局的元可视化，视图单元间的相对位置、链接映射视图的相似程度，支持作用力调节、拖拽、锁定/解锁等交互手段辅助分析，结合可调节力导向布局实现视图关联、演变模式、整体状态的感知；
3)本发明设计基于分析序列的元可视化，以单列列表的形式记录用户分析视图的时间、类型，便于用户回顾分析行为。
在此基础上，辅助用户实现对分析状态的理解、对关联关系的感知，更好地发现分析兴趣，从而深入高效地探索数据。
附图说明
图1是本发明面向分析过程的状态感知元可视化方法整体流程框架示意图。
图2是本发明中基于视觉隐喻的元可视化视图单元的视觉编码与可视化布局示意图：(a)原始图表；(b)重新映射后的元可视化视图单元；(c)主要视觉元素与关键宽高定义示意图。
图3是本发明中基于可调节力导向布局的元可视化的视觉编码与可视化布局示意图：(a)视图单元布局示意图；(b)视图单元对应的节点链接图；(c)非线性时间轴映射方案示意图。
图4是本发明中基于分析序列的元可视化的视觉编码与可视化布局示意图：(a)视觉编码；(b)可视化布局。
图5是本发明的实现效果及整体布局示意图，a、b、c分别对应基于视觉隐喻的元可视化视图单元、基于可调节力导向布局的元可视化、基于分析序列的元可视化。
图6是本发明中基于视觉隐喻的元可视化视图单元交互设计示意图：(a)“预览+提示”交互示意图；(b)“选择”交互示意图。
图7是本发明中基于可调节力导向布局的元可视化交互设计示意图-作用力调节视图。
图8是本发明中基于可调节力导向布局的元可视化交互设计示意图-多图表分析视图：(a)“拖拽+锁定/解锁”交互示意图；(b)“图表观察/对比”交互示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。
本发明通过有效的信息可视化方法，结合多视图联动策略以及灵活的交互手段，提出一种面向分析过程的状态感知元可视化方法，实现对单视图的概览、多图表关联分析、分析过程序列化，辅助分析师理解分析状态、感知关联关系、发现分析兴趣，从而深入高效地探索数据。技术方案包括：数据获取与处理，可视化映射，可视化布局与实现，交互设计。具体步骤如下：
步骤一：数据获取与处理
收集分析师在探索式数据分析中浏览、创建的所有视图，提取视图重要的组成部分，包括视图的标记类型，各视觉通道的数据属性名、数据类型、数据操作，标题、评论；记录视图的创建、浏览时间；以视图为基本单位进行存储。
步骤二：可视化映射
经过数据获取与处理后，下面阐述本发明中的基于视觉隐喻的元可视化视图单元设计(如图2所示)、基于可调节力导向布局的元可视化设计(如图3所示)和基于分析序列的元可视化设计(如图4所示)的可视化映射方案。
1、基于视觉隐喻的元可视化视图单元设计
如图2所示，图(a)表示原始图表，图(b)是经过本方法重新映射后的视图单元，一个视图单元包含五个主要部分，每个部分均编码了不同的信息。下面对视图单元的视觉映射进行详细说明。
颜色和位置：通过不同颜色、不同位置的矩形色块(RArea1-3)编码原始视图中不同维度的数据属性，色块的颜色和数据属性名称一一对应，色块的位置与原始视图的视觉通道一一对应，色块的数量与原始视图的数据维度相同。具体的，矩形RArea1通过颜色和位置(右)编码了原始视图在Co l or视觉通道的数据属性；矩形RArea2通过颜色和位置(左)编码了原始视图在Y视觉通道的数据属性；矩形RArea3通过颜色和位置(下)编码了原始视图在X视觉通道的数据属性。
文本：CArea1通过在圆环内嵌字母的方式编码原始图表类型，分别用P、B、L、S、X、T表示饼状图、柱状图、折线图、散点图、箱线图、刻度图。此外，在矩形色块附近水平展示对应的数据属性名称，文本颜色与色块颜色映射一致。
视觉隐喻：IArea1以缩略图的形式编码原始视图图表样式对应的视觉元素。该视觉元素保留了原始图表的主要几何特征，如矩形、线条等，去除文本、颜色信息。此外，RArea1-3的位置设置符合人们对三维坐标系的认知。
2、基于可调节力导向布局的元可视化设计
位置：视图单元的位置，受到节点间斥力、相似节点间链接力、时间轴约束力、水平轴约束力、碰撞检测力等多种因素影响，力的大小可依据分析需求动态调整，视图单元的相对位置表示其在特定分析需求下的相关性。
链接：加权相似度超过阈值的视图间会存在链接，以表示二者的相似关系。链接的宽度编码相似度大小，越宽编码相似度越大。链接长度受相似度大小影响，但由两个节点在各种作用力影响下的实际位置决定，其编码视图间的亲疏关系。链接颜色默认用浅灰色表示，当鼠标悬浮在链接上方时，以红色高亮显示。
3、基于分析序列的元可视化设计
位置：视图的位置与其分析时间关联，从上到下表示时间的先后。
颜色：采用不同的底色表示视图的不同类型，灰底为用户创建的视图，白底为用户浏览的视图。
标签：采用标签标记视图的不同类型，在视图单元的右上角采用绿色的三角形标签标记用户创建的视图，无标签表示用户浏览的视图。即用灰底+三角形标签表示用户创建的视图、白底+无标签表示用户浏览的视图。
步骤三：可视化布局与实现
在数据获取与处理、可视化映射的基础上，完成基于视觉隐喻的元可视化视图单元(如图2所示)、基于可调节力导向布局的元可视化(如图3所示)和基于分析序列的元可视化(如图4所示)的布局与实现，具体如下：
1、基于视觉隐喻的元可视化视图单元布局与实现
将内嵌字母标记的圆CArea1置于视图左上角；将包含原始视图缩略图的矩形IArea1置于视图上半部分；将矩形色块RArea1、RArea2、RArea3置于视图右、左、下部分。
几何布局：元可视化视图单元包含五个主要部分，如图2(b)所示：第一部分是位于视图左上角的带有字母标记的圆CArea1；第二部分是位于视图上半部分的包含原始视图缩略图的矩形IArea1；第三至五部分分别是位于视图右、左、下部分的矩形色块RArea1、RArea2、RArea3。其主要视觉元素与关键宽高定义如图2(c)所示，该设计中各元素宽、高计算公式如公式(3-1)所示。
式中：tR为图表类型文本框半径；viewWidth为视觉单元外矩形宽度；viewHeight为视觉单元外矩形高度；yWidth为Y视觉通道属性色块宽度；xHeight为X视觉通道属性色块高度；colorWidth为Color视觉通道属性色块宽度；imgWidth为原始视图几何信息图宽度；imhHeight为原始视图几何信息图高度；a、b、c、d为常数
数据属性名颜色映射：分析过程中，用户会通过视觉单元中的色块对图表的数据属性名进行区分和识别。为了提供良好的视觉感知和区分能力，本发明采用对比度足够鲜明的颜色映射方案，该方案包括十种颜色。颜色使用数组存储，不同数据属性名的颜色取值从数组中依次取出。
根据原始视图的标记类型往CArea1中填入对应的字母；从原始视图中提取相关的几何特征，以缩略图的形式填入IArea1中；根据原始视图各视觉通道对应的数据属性名，选择映射的颜色填充矩形色块RArea1-3，并在色块附近水平展示对应的数据属性名称，文本颜色与色块颜色一致。
2、基于可调节力导向布局的元可视化布局与实现
在基于可调节力导向布局的元可视化视图中，每个视图单元受多种作用力共同影响而得到最终布局位置。如图3(a)所示，为三个视图单元在视图中布局的示意图，每个视图下的文字表示该视图创建的时间。在本节中，这些布局和视图可被抽象为如图3(b)所示的节点链接图。
图3(b)中B1、B2、P1三个节点分别表示图3(a)中对应的两个柱状图视图单元和一个散点图视图单元。其各自创建时间分别用t1、t2、t3表示，并在时间轴中示意其先后关系。B1、B2间链接为L1，P1、B2间链接为L2。
下面以图3(b)为例，对该设计实现原理和细节进行详细阐述。
(1)可调节力导向布局实现方法
1)实现原理
在本发明中，布局中的每一个视图单元均被视为一个单位质量的粒子(以下将视图单元称为粒子)。本发明将会以Δt作为时间单位，采用计时器的方式，循环地对节点位置进行更新。在每一次更新周期中，作用在粒子上的力F等效于时间间隔Δt上的粒子的恒定加速度a，并且可以通过增加粒子的移动速度来进行模拟。对于每一个粒子，其还具备坐标属性x(X轴坐标)、y(Y轴坐标)、速度属性vx(X轴方向速度)、vy(Y轴方向速度)。粒子移动速度按照超参数vDecay，在每个时间周期内进行衰减。
此外，为了确保粒子不会无终止地移动，采用超参数α、αMin及αDecay作为衰减因子。α在每次迭代中按αDecay的比例衰减，当α<＝αMin时，计时器停止，所有粒子停止移动。
假设一个粒子K，其受到m种不同的力，则其在时间周期Δt内的坐标位置通过公式(3-2)的形式更新。
式中：n为当前的迭代次数，会在每Δt时间内加1；xk,n为粒子K在第n次迭代完成时的X坐标位置；yk,n为粒子K在第n次迭代完成时的Y坐标位置；m为粒子受到的作用力数；vxf,k,n为粒子K在第n次迭代中受到的第f个作用力施加的X轴方向的速度；vyf,k,n为粒子K在第n次迭代中受的第f个作用力施加的Y轴方向的速度；vDecay为粒子的速度衰减率。
2)节点间作用力的实现
在上述力导向布局实现原理的基础上，对粒子施加作用力可以通过创建可以修改粒子位置(x,y)或速度(vx,vy)的函数实现。
假设一个节点K，以给K施加一个趋近于原点的“原点力”为例，可在每个时间周期Δt内，通过如下公式(3-3)对粒子速度、位置进行修改：
式中：vxk为节点K在X轴方向的速度；vyk为节点K在Y轴方向的速度；xk为节点K的X轴坐标位置；yk为节点K的Y轴坐标位置；forceConst为控制力大小的常量。
3)非线性时间轴映射及时间轴力的实现
特别的，本发明设计了时间轴力，使得每个节点能尽量按照时间顺序进行排列，从而实现对分析流程和演变模式的呈现。该特性分为两个步骤实现：
步骤1：非线性时间轴映射
为充分利用布局空间，防止节点创建时间间隔差异导致的布局不均匀的问题，本发明采用了一种非线性的时间轴映射方案。其具体实现方式如图3(c)所示。图中，t1、t2、t3分别为第1、2、3个视图单元的分析时间，则对应视图节点在X轴上映射后的坐标分别为x1、x2、x3，其关系满足公式(3-4):
式中：tn为第n个节点被创建的时间；canvasWidth为画布宽度；gapWidthn,n+1为第n、n+1个节点间的相对位置；xn为第n个节点在画布中的X坐标；gap为临时变量；ratioTemp为临时变量。
步骤2：时间轴力
通过上述步骤，可以计算得到每个节点的创建时间在X轴上的坐标。接着，假设一个节点K，可以在每个时间单位Δt中，通过公式(3-5)对粒子速度进行修改，以对每个节点施加“时间轴力”。
vxk＝-(xk-xk,t)×dt×0.1 (3-5)
式中：vxk为节点K在X轴方向的速度；xk为节点K的X轴坐标位置；xk,t为节点K对应的创建时间t的在X轴的坐标；dt为常量，时间轴力的强度。
与上述原点力及时间轴作用力实现方式类似，本发明中的其他节点间相互作用力描述如下：1)链接力为保持两个节点间相对距离恒定的力；2)碰撞检测力为保持两个节点间距离始终大于两节点半径之和的力；3)节点间斥力为保持节点相对距离增大的力。特别的，对于每一个力f，均具有一个常量df用于控制该力的强度。这些力实现方式与公式(3-5)类似，不再以公式形式赘述。
(2)节点间链接绘制实现
两个满足相似度条件的节点间存在链接关系，链接长度由二者位置决定，链接宽度由二者相似度大小决定。此方法具体包括：
1)节点间相似度计算
在本发明中，两个图表间存在多种相似度，并采用加权的方式对图表的整体相似度进行表示。此外，可根据实际需求增加其他维度来计算相似度。
各种相似度及加权计算方法如下：
图表类型相似度：对于任意两个不同的节点Ki及Kj，其图表类型分别为typei及typej，其图表类型相似度计算方法可由公式(3-6)计算得出。
式中：typeSimi,j为节点Ki、Kj间的图表类型相似度；typei、typej为节点Ki、Kj的图表类型。
数据属性相似度：对于任意两个不同的节点Ki及Kj，其数据属性相似度由其包含的数据属性名、数据属性类别，和各自分别在X、Y、Color视觉通道上的顺序决定。具体计算方法如公式(3-7)所示。
式中：fieldSimi,j为节点Ki、Kj间的数据属性相似度；nNi,j为节点Ki、Kj间相同的属性名数量；sNi,j为节点Ki、Kj间名称和视觉通道均相同的属性数量；nTi,j为节点Ki、Kj间相同类别的属性数量；sTi,j为节点Ki、Kj间类别和视觉通道均相同的属性数量；Max[fNi,fNj]为节点Ki、Kj分别使用视觉通道数的最大值；ratioMid为中间变量。
分析任务相似度：本发明定义饼状图、柱状图、折线图、散点图、箱线图、刻度图执行10类分析任务的概率，分析任务包括检索值、聚合值、极值、分布、趋势、异常、分类、相关性、取值范围、排序任务，并用6个10维向量表示。对于任意一个节点Ki，其对应的原始图表可能执行的分析任务由一个10维向量表示，对应10个分析任务，每一个分量表示该原始图表执行该分析任务的概率，分析任务相似度采用余弦相似度计算方法进行计算，如公式(3-8)所示。
式中：taskSimi,j为节点Ki、Kj的分析任务相似度；tVi为节点Ki的分析任务特征向量；tVj为节点Kj的分析任务特征向量。
标题相似度：对于任意节点Ki，本发明采用预训练BERT模型提取其标题句子嵌入向量。对于任意两个不同的节点Ki及Kj，二者标题相似度由各自标题嵌入向量计算余弦相似度得到。对于均拥有标题文本的两个节点，二者标题相似度计算方法如公式(3-9)所示，特别的，若两节点中任意节点没有标题，则二者标题相似度取0。
式中：titleSimi,j为节点Ki、Kj的标题相似度；titleVi为节点Ki的标题句子向量；titleVj——节点Kj的标题句子向量。
评论相似度：与标题相似度类似，本发明采用预训练BERT对评论文本提取句子嵌入，并采用余弦相似度计算节点间评论相似度，本发明中采用commentSimi,j表示。计算方法同公式(3-9)，此处不再以公式形式赘述。
加权相似度：对于任意两个不同的节点Ki及Kj，采用算术加权的方式计算节点间整体相似度。特别的，权重可根据用户偏好进行调整，计算方法如公式(3-10)所示。
式中：weightSimi,j为节点Ki、Kj的加权相似度；weightnum为第num种相似度的权重值；simnum,i,j为节点Ki、Kj的第num种相似度大小。
2)链接宽度计算
假设存在两个节点Ki及Kj，二者相似度为simi,j，用户指定的链接关系阈值为simbase1，用户指定的链接展示阈值为simbase2，且simi,j≥simbase2≥simbase1，则节点间存在链接。链接宽度可由公式(3-11)计算得到。
widthi,j＝baseWidth×(1+ratioConst×simi,j) (3-11)
式中：widthi,j为节点Ki及Kj间的链接宽度；baseWidth为链接基础宽度；ratioConst为常量，表示链接依据节点间相似度大小放大的倍率；simi,j为节点Ki及Kj间的相似度大小。
3、基于分析序列的元可视化布局与实现
如图4所示，在基于分析序列的元可视化中，采用列表的形式，从上到下单列排列各视图单元。每个视图单元内嵌在一个带有底色的矩形框内，在矩形框的右上角绘制直角三角形标签，各矩形框从上到下无间隙排列并保持竖直对齐，最近分析的视图单元保持在最下方。对于特定的视图单元VnumSeq，其顶部距离画布下方的距离seqHeight可由公式(3-12)计算得到；
seqHeightnnumSeq＝(viewCount-numSeq+1)containerViewHeight (3-12)
式中：seqHeightnumSeq为第numSeq个分析行为对应视图单元的顶部到画布底部的高度；viewCount为当前产生的分析行为总数；numSeq为视图单元VnumSeq创建的次序；containerViewHeight为视图单元的高度。
完成上述步骤后，本发明的实现效果及整体布局示如图5所示。
步骤四：交互设计
1.基于视觉隐喻的元可视化视图单元支持预览、提示和选择交互操作：
预览：预览操作采用“悬浮+弹窗”的交互方法，当用户将鼠标悬停在某个视图单元上时，系统会以弹窗的形式展示该视图单元对应的原始视图，从而允许用户迅速预览原始视图，直观地对原始视图进行观察和分析，如图6(a)所示。
提示：通过预览操作得到的原始视图预览窗口支持提示操作。该操作采用“悬浮+高亮”的交互方式，当鼠标悬停在视图中的某个视觉元素上时，系统会在上方渲染一个提示框。提示框中会展示对应元素在各个属性上的具体值，如图6(a)所示。
选择：选择操作允许用户对感兴趣的视图单元进行选定，并作为进一步分析或者操作的对象。选择操作采用“点击”的交互方式，选择的视图会用蓝色矩形框标记，并在基于分析序列的元可视化中高亮显示，如图6(b)所示。
2.基于可调节力导向布局的元可视化支持作用力调节、拖拽、锁定/解锁和图表观察/对比交互操作：
作用力调节：采用基于雷达图的视图实现力导向布局中作用力的实时调整，用户可“点击”权重设置按钮调出作用力调节面板。在该面板中，共计10种调节项，可分为三类：a)约束力强度：该类作用力在图中由黄色表示，分别可用于调节时间约束力、水平线约束力和链接约束力的强度。b)图表相似度权重：该类调节在图中由红色表示，可用于调节视图加权相似度中各相似度所占的权重。c)链接作用与展示：该类调节在视图中用蓝色表示，可通过相互作用阈值过滤不重要的节点关系、展示阈值筛选和隐藏较弱的链接关系。此外，作用力的种数可根据实际需求动态调整。如图7所示。
拖拽：拖拽允许用户对视图单元的位置进行调整，以进行关联、对比等分析任务。拖拽操作采用“点按+移动”的方式，当用户选择特定视图单元后，按下鼠标左键并移动位置即可实现视图单元位置调整，如图8(a)所示。
锁定/解锁：固定操作允许用户锁定视图单元，使其位置不再受系统的布局策略影响。固定操作采用“点按+移动+释放”的方式，用户在移动特定视图单元结束后，释放鼠标左键，即可将视图位置进行锁定。锁定后，视图单元左上方会出现“图钉”图标。相反的，用户可在锁定的视图上双击左键，以解除锁定状态。解锁后，视图单元右上角“图钉”图标消失。如图8(b)所示。
图表观察/对比：用户可通过“点击”视图单元的方式，将视图单元对应的原始视图以悬浮的方式展示到布局界面。同时，用户可点击隐藏布局按钮将布局界面的视图单元隐藏。该交互，进一步回应了用户视图查看、对比的分析任务。如图8所示。
此外，本发明在基于可调节力导向布局的元可视化视图中设置4个交互按钮，包括保存当前序列、加载最新序列、权重设置、隐藏布局。
Claims (7)
1.一种面向分析过程的状态感知元可视化方法，其特征在于，包括以下步骤：
S1：数据获取与处理
获取分析师在探索式数据分析中浏览、创建的所有视图；
S2：可视化映射
通过视觉通道将经步骤S1获得的数据进行可视化映射：
设计基于视觉隐喻的元可视化视图单元，提取原始视图的重点关注信息以元可视化的形式进行呈现，用元可视化中视觉元素映射原始视图的信息，包括标记类型、数据通道、数据属性和几何信息，实现原始视图的视觉概览；
设计基于可调节力导向布局的元可视化，用来映射原始视图，用视图单元间的相对位置、链接映射视图的相似程度，结合可调节力导向布局实现视图关联、演变模式、整体状态的呈现；
设计基于分析序列的元可视化，用视图的位置映射分析时间，用颜色和标签映射视图的类型，便于用户回顾分析行为；
S3：可视化布局与实现
在数据获取与处理、可视化映射的基础上，完成基于视觉隐喻的元可视化视图单元、基于可调节力导向布局的元可视化和基于分析序列的元可视化的布局与实现；
S4：交互设计
基于视觉隐喻的元可视化视图单元支持预览、提示和选择交互操作；基于可调节力导向布局的元可视化支持作用力调节、拖拽、锁定/解锁和图表观察/对比交互操作；
在步骤S2中，可视化映射具体包括：
S21：对基于视觉隐喻的元可视化视图单元进行颜色、位置、文本、视觉隐喻映射：用不同颜色、不同位置的矩形色块编码原始视图中不同维度的数据属性，色块的颜色和数据属性名称一一对应，每种颜色代表一个数据属性，色块的位置与原始视图的视觉通道一一对应，左、下、右分别对应Y、X、Color通道，色块的数量与原始视图的数据维度相同；通过在圆环内嵌字母的方式编码原始图表类型；在色块附近水平展示对应的数据属性名称，文字颜色与色块颜色一致；通过缩略图的形式编码原始视图图表样式的几何特征；
S22：对基于可调节力导向布局的元可视化进行位置、链接映射：用元可视化视图单元映射原始视图，视图单元的绝对位置受到多种作用力影响，视图单元间的相对位置表示其在特定分析需求下的相关性；相似的视图间会存在链接，链接的宽度编码相似度大小，链接长度编码视图间的亲疏关系，链接颜色默认用浅灰色表示；
S23：对基于分析序列的元可视化进行位置、颜色、标签映射：视图的位置编码其创建或被浏览的时间，从上到下表示时间的先后；采用不同的底色、标签编码视图的类型；
所述S3中可视化布局与实现具体为：
S31：在基于视觉隐喻的元可视化视图单元中，将内嵌字母标记的圆CArea1置于视图左上角；将包含原始视图缩略图的矩形IArea1置于视图上半部分；将矩形色块RArea1、RArea2、RArea3置于视图右、左、下部分；
S32：在基于可调节力导向布局的元可视化中，每个视图单元的位置由多种作用力共同决定，视图单元间的链接由视图间的位置、相似度决定；
S33：在基于分析序列的元可视化中，采用列表的形式，从上到下单列排列各视图单元，每个视图单元内嵌在一个带有底色的矩形框内，在矩形框的右上角绘制直角三角形标签，各矩形框从上到下无间隙单列排列并保持竖直对齐，最近分析的视图单元保持在最下方。
2.根据权利要求1所述的面向分析过程的状态感知元可视化方法，其特征在于，所述基于视觉隐喻的元可视化视图单元的布局与实现的具体过程如下：
S31 a：根据下式计算各视觉元素宽、高：
式中：tR为图表类型文本框半径；viewWidth为视觉单元外矩形宽度；viewHeight为视觉单元外矩形高度；yWidth为Y视觉通道属性色块宽度；xHeight为X视觉通道属性色块高度；colorWidth为Color视觉通道属性色块宽度；imgWidth为原始视图几何信息图宽度；imgHeight为原始视图几何信息图高度；imgPadding为原始视图几何信息图内边距；a、b、c、d是常数；
S31b：根据原始视图的标记类型往CArea1中填入对应的字母；
S31c：从原始视图中提取相关的几何特征，以缩略图的形式填入IArea1中；
S31d：根据原始视图各视觉通道对应的数据属性名，选择映射的颜色填充矩形色块RArea1-3，并在色块附近水平展示对应的数据属性名称，文本颜色与色块颜色一致。
3.根据权利要求1所述的面向分析过程的状态感知元可视化方法，其特征在于，在步骤S3中，所述基于可调节力导向布局的元可视化的布局与实现的具体过程如下：
S32a：在可调节力导向布局实现原理的基础上，实现多种节点间的作用力，并完成非线性时间轴的映射，从而确定视图单元的位置；
S32b：根据视图单元的所处的位置，计算链接长度；根据视图间的相似度，计算链接宽度，包括图表类型相似度、数据属性相似度、分析任务相似度、标题相似度、评论相似度，并采用加权的方式表示图表的整体相似度；在此基础上绘制视图单元间的链接。
4.根据权利要求3所述的面向分析过程的状态感知元可视化方法，其特征在于，在步骤S32a中，视图单元位置的计算步骤具体如下：
Sa1：通过对节点施加作用力以修改其位置:假设节点K，要给节点K施加一个趋近于原点的“原点力”，则通过下面的公式对节点位置或速度进行修改：
式中：xk为节点K的X轴坐标位置；yk为节点K的Y轴坐标位置；vxk为节点K在X轴方向的速度；vyk为节点K在Y轴方向的速度；forceConst为控制力大小的常量；
Sa2：采用非线性的时间轴映射方案，在非线性时间轴映射中，对应视图节点在X轴上映射后的坐标分别为x1、x2、x3，其关系满足下面的公式：
式中：tn为第n个节点被创建或浏览的时间；canvasWidth为画布宽度；gapWidthn,n+1为第n、n+1个节点间的相对位置；xn为第n个节点在画布中的X坐标；gap为临时变量；ratioTemp为临时变量；
Sa3：设计时间轴力，以使每个节点按照时间顺序进行排列，从而实现对分析流程和演变模式的呈现；
假设一个节点K，通过下面的公式对节点速度进行修改，以对每个节点的施加“时间轴力”：
vxk＝-(xk-xk,t)×dt×0.1
式中：vxk为节点K在X轴方向的速度；xk为节点K的X轴坐标位置；xk,t为节点K对应的创建时间t的在X轴的坐标；dt为常量，时间轴力的强度。
5.根据权利要求3所述的一种面向分析过程的状态感知元可视化方法，其特征在于，在步骤S32b中，视图单元间链接的绘制步骤具体如下：
Sb1：计算图表类型相似度:
对于任意两个不同的节点Ki及Kj，其图表类型分别为typei及typej，其图表类型相似度计算如下：
式中：typeSimi,j为节点Ki、Kj间的图表类型相似度；typei、typej为节点Ki、Kj的图表类型；
Sb2：计算数据属性相似度:
对于任意两个不同的节点Ki及Kj，其数据属性相似度计算如下：
式中：fieldSimi,j为节点Ki、Kj间的数据属性相似度；nNi,j为节点Ki、Kj间相同的属性名数量；sNi,j为节点Ki、Kj间名称和视觉通道均相同的属性数量；nTi,j为节点Ki、Kj间相同类别的属性数量；sTi,j为节点Ki、Kj间类别和视觉通道均相同的属性数量；Max[fNi,fNj]为节点Ki、Kj分别使用视觉通道数的最大值；ratioMid为中间变量；
Sb3：计算分析任务相似度:
对于任意一个节点Ki，其对应的原始图表可能执行的分析任务由一个10维向量表示，每一个分量表示该原始图表执行该分析任务的概率，采用余弦相似度方法计算分析任务相似度；
式中：taskSimi,j为节点Ki、Kj的分析任务相似度；tVi为节点Ki的分析任务特征向量；tVj为节点Kj的分析任务特征向量；
Sb4：计算标题相似度:
对于任意Ki，采用预训练BERT模型提取其标题句子的嵌入向量；对于任意两个不同的节点，二者标题相似度由各自标题嵌入向量计算余弦相似度得到；若两节点中任意节点没有标题，则二者标题相似度取0；
式中：titleSimi,j为节点Ki、Kj的标题相似度；titleVi为节点Ki的标题句子向量；titleVj为节点Kj的标题句子向量；
Sb5：计算评论相似度：
采用预训练BERT对评论文本提取句子嵌入，并采用余弦相似度计算节点间评论相似度；
Sb6：计算加权相似度：
对于任意两个不同的节点Ki及Kj，采用算术加权的方式计算节点间整体相似度；
式中：weightSimi,j为节点Ki、Kj的加权相似度；weightnum为第num种相似度的权重值；simnum,i,j为节点Ki、Kj的第num种相似度大小；
Sb7：计算链接宽度:
对于任意的两个节点Ki及Kj，二者相似度为simi,j，用户指定的链接关系阈值为simbase1，用户指定的链接展示阈值为simbase2，且simi,j≥simbase2≥simbase1，则节点间存在链接，链接宽度的计算公式如下所示：
widthi,j＝baseWidth×(1+ratioConst×simi,j)
式中：widthi,j为节点Ki及Kj间的链接宽度；baseWidth为链接基础宽度；ratioConst为常量，表示链接依据节点间相似度大小放大的倍率；simi,j为节点Ki及Kj间的相似度大小。
6.根据权利要求1所述的面向分析过程的状态感知元可视化方法，其特征在于，在步骤S33中,对于特定的视图单元VnumSeq，其顶部距离画布下方的距离
seqHeight由下式计算得到；
seqHeightnumSeq＝(viewCount-numSeq+1)containerViewHeight
式中：seqHeightnumSeq为第numSeq个分析行为对应视图单元的顶部到画布底部的高度；viewCount为当前产生的分析行为总数；numSeq为视图单元VnumSeq创建的次序；containerViewHeight为视图单元的高度。
7.根据权利要求1所述的面向分析过程的状态感知元可视化方法，其特征在于，在步骤S4中，所述作用力调节交互操作具体为：采用基于雷达图的视图实现力导向布局中作用力的实时调整，用户点击权重设置按钮调出作用力调节面板，所述作用力调节面板中调节项分为三类：
a)约束力强度：该类作用力由黄色表示，分别用于调节时间约束力、水平线约束力和链接约束力的强度；
b)图表相似度权重：该类调节由红色表示，用于调节视图加权相似度中各相似度所占的权重；
c)链接作用与展示：该类调节用蓝色表示，通过相互作用阈值过滤不重要的节点关系、展示阈值筛选和隐藏较弱的链接关系；且作用力的种数根据实际需求动态调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210601782.9A CN115061760B (zh) | 2022-05-30 | 2022-05-30 | 一种面向分析过程的状态感知元可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210601782.9A CN115061760B (zh) | 2022-05-30 | 2022-05-30 | 一种面向分析过程的状态感知元可视化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115061760A CN115061760A (zh) | 2022-09-16 |
| CN115061760B true CN115061760B (zh) | 2024-09-10 |
Family
ID=83199170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210601782.9A Active CN115061760B (zh) | 2022-05-30 | 2022-05-30 | 一种面向分析过程的状态感知元可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115061760B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116011052A (zh) * | 2022-12-30 | 2023-04-25 | 北京大学 | 一种针对静态可视化添加直接交互的方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103164520A (zh) * | 2013-03-08 | 2013-06-19 | 山东大学 | 一种面向层次化数据的交互可视方法及装置 |
| CN104090957A (zh) * | 2014-03-10 | 2014-10-08 | 中国科学院软件研究所 | 一种异构网络可交互可视化方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3042272A4 (en) * | 2013-09-06 | 2017-05-10 | State Street Corporation | System and method for interactive visual analytics of multi-dimensional temporal data |
| CN104899288B (zh) * | 2015-06-05 | 2018-01-26 | 四川大学 | 基于径向布局的多维层次可视化方法 |
| CN105808244A (zh) * | 2016-03-01 | 2016-07-27 | 杭州师范大学 | 一种基于工作流的动态数据可视化分析工具 |
| CN107679048A (zh) * | 2016-08-02 | 2018-02-09 | 博元森禾信息科技（北京）有限公司 | 一种通用的数据可视化视图生成方法及装置 |
| CN106960004A (zh) * | 2017-02-15 | 2017-07-18 | 浙江大学 | 一种多维数据的分析方法 |
| CN107622132B (zh) * | 2017-10-09 | 2020-07-03 | 四川大学 | 一种面向在线问答社区的关联分析可视化方法 |
| CN110109989A (zh) * | 2019-03-14 | 2019-08-09 | 四川九洲电器集团有限责任公司 | 一种大数据可视化处理方法以及可读存储介质 |
| CN111241085B (zh) * | 2020-01-16 | 2022-02-01 | 四川大学 | 一种基于气象数据的自然分区可视化方法 |
-
2022
- 2022-05-30 CN CN202210601782.9A patent/CN115061760B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103164520A (zh) * | 2013-03-08 | 2013-06-19 | 山东大学 | 一种面向层次化数据的交互可视方法及装置 |
| CN104090957A (zh) * | 2014-03-10 | 2014-10-08 | 中国科学院软件研究所 | 一种异构网络可交互可视化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115061760A (zh) | 2022-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Thió-Henestrosa et al. | Dealing with compositional data: the freeware CoDaPack | |
| Walker et al. | Timenotes: a study on effective chart visualization and interaction techniques for time-series data | |
| Van Den Elzen et al. | Baobabview: Interactive construction and analysis of decision trees | |
| US8564623B2 (en) | Integrated data visualization for multi-dimensional microscopy | |
| Alsallakh et al. | Reinventing the contingency wheel: Scalable visual analytics of large categorical data | |
| US20030128212A1 (en) | System for graphical display and interactive exploratory analysis of data and data relationships | |
| Schmidt et al. | VAICo: Visual analysis for image comparison | |
| US7849024B2 (en) | Imaging system for producing recipes using an integrated human-computer interface (HCI) for image recognition, and learning algorithms | |
| McCarthy et al. | A GIS-based borehole data management and 3D visualization system | |
| Nanjo et al. | Carbonate lithology identification with machine learning | |
| Kwon et al. | Sampling for scalable visual analytics | |
| US20150131887A1 (en) | System and method to visualize and analyze data from image-based cellular assays or high content screening | |
| Vehlow et al. | Visualizing dynamic hierarchies in graph sequences | |
| CN115061760B (zh) | 一种面向分析过程的状态感知元可视化方法 | |
| Yarmohammadi et al. | Reservoir microfacies analysis exploiting microscopic image processing and classification algorithms applied to carbonate and sandstone reservoirs | |
| Lin et al. | Application of virtual reality in the interpretation of geoscience data | |
| Wedge et al. | Machine learning assisted geological interpretation of drillhole data: Examples from the Pilbara Region, Western Australia | |
| Soto-Hidalgo et al. | JFCS: A color modeling java software based on fuzzy color spaces | |
| Xu et al. | Geometry-driven detection, tracking and visual analysis of viscous and gravitational fingers | |
| Timmer et al. | PyCHNO: A core-image quantitative ichnology logging software | |
| CN111177607B (zh) | 一种基于b/s架构的岩心图像处理和应用方法 | |
| WO2011071505A1 (en) | Integrated data visualization for multi-dimensional microscopy | |
| Schader et al. | LayoutExOmizer: Interactive exploration and optimization of 2d data layouts | |
| Schoening et al. | BIIGLE Tools–a Web 2.0 approach for visual Bioimage database mining | |
| Kim et al. | Dg comics: Semi-automatically authoring graph comics for dynamic graphs |
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 |