CN112130845A - 一种基于人工智能的图表智能化生成方法 - Google Patents
一种基于人工智能的图表智能化生成方法 Download PDFInfo
- Publication number
- CN112130845A CN112130845A CN202010996608.XA CN202010996608A CN112130845A CN 112130845 A CN112130845 A CN 112130845A CN 202010996608 A CN202010996608 A CN 202010996608A CN 112130845 A CN112130845 A CN 112130845A
- Authority
- CN
- China
- Prior art keywords
- chart
- data
- generation method
- artificial intelligence
- intention
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/33—Intelligent editors
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于人工智能的图表智能化生成方法,包括以下步骤:S1、根据输入文本或上传的图片,识别分析意图;S2、对数据进行转换和清洗,转换为统一的数据结构;S3、根据分析意图,结合数据类型,进行特征识别;S4、根据图表知识库和推荐引擎,生成推荐图表;S5、AI预测引擎自动选择模型和特征进行趋势预测;S6、根据图表大小结合数据量进行组件布局自适应;S7、生成个性化配置,进行图表渲染。本发明的方法方便开发人员和用户使用,操作简单,只需要调用方法,传入数据和分析意图,就可以自动生成图表,还能进行趋势预测,大大提升了开发效率、降低研发成本、减少可视化工具的制作成本。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种基于人工智能的图表智能化生成方法。
背景技术
在图表生成问题上,对于开发人员来讲,就目前流行的D3、Echarts等图表类库,其存在如下问题:其一,学习成本高,数以百计的配置项,需要进行组合调试才能达到想要的效果;其二,开发成本高,每种图表使用的数据格式各不相同,需要针对每种图表进行数据转换;其三,沟通成本高,设计师不确定设计出来的图表是否能被开发出来,需要进行反复沟通,导致开发效率低下、产品开发耗时长等问题。而对于用户来讲,用户通常不具备专业的可视化知识,不了解图形语法、图表各个维度和配置的含义,面对众多的配置项,常常感到无从下手,经常存在错误使用图表的情况,用户体验较差。
发明内容
为解决上述问题,本发明提供了一种基于人工智能的图表智能化生成方法。
本发明采用以下技术方案:
一种基于人工智能的图表智能化生成方法,包括以下步骤:
S1、根据输入文本或上传的图片,识别分析意图;
S2、对数据进行转换和清洗,转换为统一的数据结构;
S3、根据分析意图,结合数据类型,进行特征识别;
S4、根据图表知识库和推荐引擎,生成推荐图表;
S5、AI预测引擎自动选择模型和特征进行趋势预测;
S6、根据图表大小结合数据量进行组件布局自适应;
S7、生成个性化配置,进行图表渲染。
进一步地,所述步骤S1具体为:判断意图来源的类型,若输入的是文本,则对输入的文本进行分词,通过语义分析,找到关键词所对应的图表类型;若输入的是图片,则采用图像识别对图片进行分析,对比本地训练好的模型,找出匹配度最高的图表类型。
进一步地,所述步骤S2具体为:进入数据准备阶段,对所有的输入数据,均统一转为二维数组结构的数据集,对数值、日期字段的有效性和合法性进行判断处理,并记录每个字段的类型信息。
进一步地,所述步骤S3具体为:对所述数据集的字段种类和个数进行分析,记录数据集的数据特征,所述数据特征包括维度、数值个数、数据类型或数值特点,进一步分析字段间的关系,筛选出相关的数据字段。
进一步地,所述步骤S4具体为:事先在将图表用法信息汇总,形成图表知识库,所述图表知识库包含不同图表的名称、类别、定义、分析意图或数据要求;再根据所述分析意图和所述数据特征,将所述图表知识库作为训练集,使用决策树算法训练得到的一个用于判断图表类型的决策树模型;然后输入意图关键字,生成匹配度最高的图表类型。
进一步地,所述步骤S5中的所述AI预测引擎底层依托Spark技术,预测的趋势采用虚线绘制,同时计算数值轴的方差、标准差或回归统计特征进行辅助增强。
进一步地,所述步骤S6具体为:基于数据和图表类型,对图表进行具体细节配置;根据所述图表类型以及显示空间的大小,计算可视化的有效显示负荷,动态调整各组件的布局。
进一步地,所述步骤S7具体为:根据图形语法、图表知识库预制的主题配置信息将图表渲染出来,若用户采用上传照片的方式输入分析意图,则自动识别手稿图风格,从图片中提取颜色及其相应占比,自动调整主题。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
1、本发明的方法可以处理掉大数据可视化的所有中间环节,开发人员不再需要熟悉数以百计的配置项,也不需要进行数据集的转换,使用时,只需要调用方法,传入数据和分析意图,就可以自动生成图表,还能进行趋势预测,大大提升了开发效率、降低研发成本、减少可视化工具的制作成本;
2、可以降低用户使用成本,原本用户需要花大量时间在图表的配置和选取上面,通过智能化生成图表,可以让用户更专注于数据的分析和决策。
附图说明
图1为本发明的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
如图1所示,一种基于人工智能的图表智能化生成方法,包括以下步骤:
S1、根据输入文本或上传的图片,识别分析意图;
S2、对数据进行转换和清洗,转换为统一的数据结构;
S3、根据分析意图,结合数据类型,进行特征识别;
S4、根据图表知识库和推荐引擎,生成推荐图表;
S5、AI预测引擎自动选择模型和特征进行趋势预测;
S6、根据图表大小结合数据量进行组件布局自适应;
S7、生成个性化配置,进行图表渲染。
所述步骤S1具体为:判断意图来源的类型,若输入的是文本,则对输入的文本进行分词,通过语义分析,找到关键词所对应的图表类型;若输入的是图片,则采用图像识别对图片进行分析,对比本地训练好的模型,找出匹配度最高的图表类型。
所述步骤S2具体为:进入数据准备阶段,对所有的输入数据,均统一转为二维数组结构的数据集,对数值、日期字段的有效性和合法性进行判断处理,并记录每个字段的类型信息。
该阶段主要进行数据的转换和清洗,若分析意图涉及地图类型的图表,则对数据进行坐标转换,首先对数据进行映射处理,每份数据都统一映射到唯一的邮政编码,再通过邮政编码查找对应区域的经纬度信息。
所述步骤S3具体为:对所述数据集的字段种类和个数进行分析,记录数据集的数据特征,所述数据特征包括维度、数值个数、数据类型或数值特点,进一步分析字段间的关系,筛选出相关的数据字段。
所述步骤S4具体为:事先在将图表用法信息汇总,形成图表知识库,所述图表知识库包含不同图表的名称、类别、定义、分析意图或数据要求;再根据所述分析意图和所述数据特征,将所述图表知识库作为训练集,使用决策树算法训练得到的一个用于判断图表类型的决策树模型;然后输入意图关键字,生成匹配度最高的图表类型。
所述步骤S5中的所述AI预测引擎底层依托Spark技术,预测的趋势采用虚线绘制,同时计算数值轴的方差、标准差或回归统计特征进行辅助增强。
AI预测引擎底层依托Spark技术,支持丰富的预测分析、机器学习等算法,常见的有回归、分类、聚类等。通过业务数据训练好的预测模型,可对天气、营销活动、销售指标等进行趋势预测。
所述步骤S6具体为:基于数据和图表类型,对图表进行具体细节配置;根据所述图表类型以及显示空间的大小,计算可视化的有效显示负荷,动态调整各组件的布局。
其中具体细节配置包括X轴和Y轴标签过长自动旋转、文本超过可见区域自动切割等。
所述步骤S7具体为:根据图形语法、图表知识库预制的主题配置信息将图表渲染出来,若用户采用上传照片的方式输入分析意图,则自动识别手稿图风格,从图片中提取颜色及其相应占比,自动调整主题。
本实施例的方法可以处理掉大数据可视化的所有中间环节,开发人员不再需要熟悉数以百计的配置项,也不需要进行数据集的转换,使用时,只需要调用方法,传入数据和分析意图,就可以自动生成图表,还能进行趋势预测,大大提升了开发效率、降低研发成本、减少可视化工具的制作成本;此外,还可以降低用户使用成本,原本用户需要花大量时间在图表的配置和选取上面,通过智能化生成图表,可以让用户更专注于数据的分析和决策。
以上所述,仅为本发明较佳的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于人工智能的图表智能化生成方法,其特征在于:包括以下步骤:
S1、根据输入文本或上传的图片,识别分析意图;
S2、对数据进行转换和清洗,转换为统一的数据结构;
S3、根据分析意图,结合数据类型,进行特征识别;
S4、根据图表知识库和推荐引擎,生成推荐图表;
S5、AI预测引擎自动选择模型和特征进行趋势预测;
S6、根据图表大小结合数据量进行组件布局自适应;
S7、生成个性化配置,进行图表渲染。
2.如权利要求1所述的一种基于人工智能的图表智能化生成方法,其特征在于:所述步骤S1具体为:判断意图来源的类型,若输入的是文本,则对输入的文本进行分词,通过语义分析,找到关键词所对应的图表类型;若输入的是图片,则采用图像识别对图片进行分析,对比本地训练好的模型,找出匹配度最高的图表类型。
3.如权利要求2所述的一种基于人工智能的图表智能化生成方法,其特征在于:所述步骤S2具体为:进入数据准备阶段,对所有的输入数据,均统一转为二维数组结构的数据集,对数值、日期字段的有效性和合法性进行判断处理,并记录每个字段的类型信息。
4.如权利要求3所述的一种基于人工智能的图表智能化生成方法,其特征在于:所述步骤S3具体为:对所述数据集的字段种类和个数进行分析,记录数据集的数据特征,所述数据特征包括维度、数值个数、数据类型或数值特点,进一步分析字段间的关系,筛选出相关的数据字段。
5.如权利要求4所述的一种基于人工智能的图表智能化生成方法,其特征在于:所述步骤S4具体为:事先在将图表用法信息汇总,形成图表知识库,所述图表知识库包含不同图表的名称、类别、定义、分析意图或数据要求;再根据所述分析意图和所述数据特征,将所述图表知识库作为训练集,使用决策树算法训练得到的一个用于判断图表类型的决策树模型;然后输入意图关键字,生成匹配度最高的图表类型。
6.如权利要求5所述的一种基于人工智能的图表智能化生成方法,其特征在于:所述步骤S5中的所述AI预测引擎底层依托Spark技术,预测的趋势采用虚线绘制,同时计算数值轴的方差、标准差或回归统计特征进行辅助增强。
7.如权利要求6所述的一种基于人工智能的图表智能化生成方法,其特征在于:所述步骤S6具体为:基于数据和图表类型,对图表进行具体细节配置;根据所述图表类型以及显示空间的大小,计算可视化的有效显示负荷,动态调整各组件的布局。
8.如权利要求7所述的一种基于人工智能的图表智能化生成方法,其特征在于:所述步骤S7具体为:根据图形语法、图表知识库预制的主题配置信息将图表渲染出来,若用户采用上传照片的方式输入分析意图,则自动识别手稿图风格,从图片中提取颜色及其相应占比,自动调整主题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010996608.XA CN112130845B (zh) | 2020-09-21 | 2020-09-21 | 一种基于人工智能的图表智能化生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010996608.XA CN112130845B (zh) | 2020-09-21 | 2020-09-21 | 一种基于人工智能的图表智能化生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112130845A true CN112130845A (zh) | 2020-12-25 |
CN112130845B CN112130845B (zh) | 2022-05-24 |
Family
ID=73842090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010996608.XA Active CN112130845B (zh) | 2020-09-21 | 2020-09-21 | 一种基于人工智能的图表智能化生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112130845B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434568A (zh) * | 2021-06-01 | 2021-09-24 | 深圳市酷开网络科技股份有限公司 | 一种多源数据处理方法、装置、智能终端及存储介质 |
CN114741080A (zh) * | 2022-04-24 | 2022-07-12 | 北京格睿德思信息科技有限公司 | 一种基于人工智能的大数据展示方法 |
CN115857906A (zh) * | 2023-02-02 | 2023-03-28 | ***数字城市科技有限公司 | 低代码图表生成的方法、***、电子设备及介质 |
CN116226487A (zh) * | 2023-04-25 | 2023-06-06 | 杭州比智科技有限公司 | 一种基于图形识别的数据大屏可视化方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103733191A (zh) * | 2011-08-10 | 2014-04-16 | 微软公司 | 趋势图表的自动生成 |
CN107169119A (zh) * | 2017-05-26 | 2017-09-15 | 九次方大数据信息集团有限公司 | 基于数据结构识别的自动化可视化呈现方法与*** |
CN109740135A (zh) * | 2018-12-19 | 2019-05-10 | 平安普惠企业管理有限公司 | 图表生成方法及装置、电子设备和存储介质 |
CN110427411A (zh) * | 2019-08-02 | 2019-11-08 | 河南开合软件技术有限公司 | 一种通过图层将关联数据进行可视化的方法 |
US20200285672A1 (en) * | 2019-03-04 | 2020-09-10 | Shashi Ranjan Kumar | Automatic selection of visualizations representing data based on data analysis |
-
2020
- 2020-09-21 CN CN202010996608.XA patent/CN112130845B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103733191A (zh) * | 2011-08-10 | 2014-04-16 | 微软公司 | 趋势图表的自动生成 |
CN107169119A (zh) * | 2017-05-26 | 2017-09-15 | 九次方大数据信息集团有限公司 | 基于数据结构识别的自动化可视化呈现方法与*** |
CN109740135A (zh) * | 2018-12-19 | 2019-05-10 | 平安普惠企业管理有限公司 | 图表生成方法及装置、电子设备和存储介质 |
US20200285672A1 (en) * | 2019-03-04 | 2020-09-10 | Shashi Ranjan Kumar | Automatic selection of visualizations representing data based on data analysis |
CN110427411A (zh) * | 2019-08-02 | 2019-11-08 | 河南开合软件技术有限公司 | 一种通过图层将关联数据进行可视化的方法 |
Non-Patent Citations (1)
Title |
---|
张志亮 等: "空间数据智能统计方法研究与软件实现", 《世界地质》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434568A (zh) * | 2021-06-01 | 2021-09-24 | 深圳市酷开网络科技股份有限公司 | 一种多源数据处理方法、装置、智能终端及存储介质 |
CN114741080A (zh) * | 2022-04-24 | 2022-07-12 | 北京格睿德思信息科技有限公司 | 一种基于人工智能的大数据展示方法 |
CN115857906A (zh) * | 2023-02-02 | 2023-03-28 | ***数字城市科技有限公司 | 低代码图表生成的方法、***、电子设备及介质 |
CN116226487A (zh) * | 2023-04-25 | 2023-06-06 | 杭州比智科技有限公司 | 一种基于图形识别的数据大屏可视化方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112130845B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112130845B (zh) | 一种基于人工智能的图表智能化生成方法 | |
US10817527B1 (en) | Systems and methods of using natural language processing for visual analysis of a data set | |
CN112395506A (zh) | 一种资讯推荐方法、装置、电子设备和存储介质 | |
CN109710935B (zh) | 一种基于文物知识图谱的博物馆导览与知识推荐方法 | |
CN111368042A (zh) | 智能问答方法、装置、计算机设备及计算机存储介质 | |
KR20170093713A (ko) | 인공 지능을 기반으로 하는 모바일 검색 방법 및 장치 | |
US11836172B2 (en) | Facilitating generation of data visualizations via natural language processing | |
CN112948534A (zh) | 一种智能人机对话的交互方法、***和电子设备 | |
US20180197040A1 (en) | System And Method Of Generating A Semantic Representation Of A Target Image For An Image Processing Operation | |
US20230134235A1 (en) | Applying a Visual Analytics Intent Language to Generate Data Visualizations | |
CN111125457A (zh) | 一种深度跨模态哈希检索方法及装置 | |
CN116628228B (zh) | 一种rpa流程推荐方法以及计算机可读存储介质 | |
US20230244862A1 (en) | Form processing method and apparatus, device, and storage medium | |
CN117493491A (zh) | 一种基于机器学习的自然语言处理方法及*** | |
CN113821296A (zh) | 可视化界面生成方法、电子设备及存储介质 | |
US11314793B2 (en) | Query processing | |
US11409763B1 (en) | Applying a visual analytics intent language to generate data visualizations | |
CN114546326A (zh) | 一种虚拟人手语生成方法和*** | |
JP7493195B1 (ja) | プログラム、方法、情報処理装置、システム | |
Weinzierl et al. | Predictive Business Process Monitoringwith Context Information from Documents. | |
US20230308731A1 (en) | Method for providing service of producing multimedia conversion content by using image resource matching, and apparatus thereof | |
CN117473115A (zh) | 封面生成方法、装置、终端设备以及存储介质 | |
CN112489633A (zh) | 语音特征编码网络的训练方法、装置及存储介质 | |
CN117831641A (zh) | 一种支持智能对话和查询的病原微生物信息*** | |
CN117807317A (zh) | 基于智能体的交互方法及装置 |
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 |