本發(fā)明屬于數(shù)據(jù)處理，尤其涉及一種基于對比的交互式降維結(jié)果理解方法。

背景技術：

1、散點圖中語義是非線性分布的，即空間中不存在像是傳統(tǒng)散點圖中那樣的兩個正交的、連續(xù)的、編碼可解釋屬性的坐標向量。因此，明確非線性語義空間中某一區(qū)域的語義、解釋數(shù)據(jù)模式的形成原因、探究語義在空間中的變化是困難的。

2、對于語義空間理解困難這一技術問題，現(xiàn)有技術中的實現(xiàn)方法可分為三類：基于對比的方法、基于布局優(yōu)化的方法和基于多尺度縮放的方法。然而，所有現(xiàn)有技術都只關注于揭示用戶所選區(qū)域的語義而不支持對語義在空間中分布與過渡的探究，而后者是快速獲得對非線性語義空間結(jié)構(gòu)性理解的重要手段。也即，現(xiàn)有技術在處理非線性數(shù)據(jù)結(jié)構(gòu)時均無法提供準確的語義解釋。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于對比的交互式降維結(jié)果理解方法，用以解決現(xiàn)有技術在處理非線性數(shù)據(jù)結(jié)構(gòu)時均無法提供準確的語義解釋的技術問題。

2、為了解決上述技術問題，本發(fā)明提供了一種基于對比的交互式降維結(jié)果理解方法，其特征在于，具體包括：

3、基于散點圖中的感興趣區(qū)域以及選取區(qū)域進行目標組和參照組的構(gòu)建；

4、根據(jù)數(shù)據(jù)點的語義理解結(jié)果計算連接所述目標組和參照組中心的語義向量，并將數(shù)據(jù)點投影到語義向量上，利用所述語義向量構(gòu)建投影空間；

5、在進行數(shù)據(jù)交互時，用戶通過投影空間中的語義向量的輔助可視組件對所述語義向量進行操作，進行所述感興趣區(qū)域的可視化分析。

6、進一步的技術方案在于，所述感興趣區(qū)域根據(jù)所述用戶的選取結(jié)果進行確定。

7、進一步的技術方案在于，所述語義向量為連接所述目標組和參照組中心的向量。

8、進一步的技術方案在于，所述語義向量分為單極語義向量和雙極語義向量。

9、進一步的技術方案在于，利用所述語義向量構(gòu)建投影空間，具體包括：

10、根據(jù)所述語義向量對應的數(shù)據(jù)點的分布情況進行投影空間的構(gòu)建；

11、投影空間設置有一個寬度可調(diào)、可在水平方向沿向量自由滑動的過濾刷，通過所述過濾刷的滑動來揭示所述語義向量所描述的語義變化在投影空間中的分布。

12、進一步的技術方案在于，所述輔助可視組件包括投影空間、降維空間、權重編輯器和平行屬性向量。

13、本發(fā)明基于對比思路可準確呈現(xiàn)目標區(qū)域的語義特征，可以幫助分析者快速理解和解釋降維空間中的可視結(jié)構(gòu)。有益效果具體如下：

14、(1)本發(fā)明的交互直觀簡單，能提高分析效率：對降維結(jié)果的傳統(tǒng)理解方法通常缺乏交互性，分析者需要依賴靜態(tài)的可視化結(jié)果來進行分析，效率較低。而本發(fā)明引入了交互式探索技術——語義向量，使得分析者能夠更加靈活地探索數(shù)據(jù)，集中關注感興趣的區(qū)域，從而提高了數(shù)據(jù)分析的效率。這樣的交互方式能夠幫助分析者更快速地發(fā)現(xiàn)數(shù)據(jù)中的潛在規(guī)律和特征，從而加快分析過程。通過引入對比思想來構(gòu)建語義向量，使得分析者可以在降維空間中以語義為導向進行數(shù)據(jù)理解。相比于傳統(tǒng)的降維結(jié)果理解方法，該方法能夠幫助分析者更深入地理解數(shù)據(jù)的語義結(jié)構(gòu)和特征，從而提升了數(shù)據(jù)理解的深度。通過比較目標組和參照組之間的差異，分析者可以構(gòu)建出具有可解釋性的語義向量，進一步深化了對數(shù)據(jù)的理解。本發(fā)明不僅包括基礎的圈選等交互方式，還有動態(tài)展示語義分布的過濾刷等功能，符合分析者思維習慣，提升了分析者體驗和工作效率。

15、(2)本發(fā)明的計算簡單高效：適用于大規(guī)模數(shù)據(jù)集，即便對于百萬規(guī)模的數(shù)據(jù)也能即時響應。傳統(tǒng)的數(shù)據(jù)分析方法在處理大規(guī)模數(shù)據(jù)時面臨計算復雜度高、響應速度慢的問題，但本發(fā)明采用了高效的計算算法和優(yōu)化技術，能夠快速處理大規(guī)模數(shù)據(jù)集。這種計算簡單高效的特性保證了分析者可以在較短的時間內(nèi)獲取結(jié)果，快速進行數(shù)據(jù)探索和分析，提高了工作效率和分析效率。

16、(3)本發(fā)明支持多屬性數(shù)據(jù)分析：本發(fā)明不僅適用于文檔數(shù)據(jù)的降維結(jié)果理解，還可以應用于多屬性數(shù)據(jù)的分析。將降維結(jié)果理解和多屬性排序統(tǒng)一在了一個上下文一致的交互環(huán)境中，實現(xiàn)了一個可視化分析系統(tǒng)，支持多屬性數(shù)據(jù)分析，使得分析者能夠在同一個界面中完成多種數(shù)據(jù)分析任務。通過引入權重編輯器和平行屬性向量等可視組件，使得分析者能夠靈活地調(diào)整屬性權重、比較數(shù)據(jù)在不同屬性上的表現(xiàn)，支持了更復雜的多屬性數(shù)據(jù)分析任務。這樣的分析方法可以幫助分析者更全面地理解數(shù)據(jù)，發(fā)現(xiàn)數(shù)據(jù)中隱藏的信息。

17、(4)本發(fā)明適用性靈活性強：本發(fā)明不依賴于特定的線型或非線性降維算法，而是提供了一個通用的交互式探索框架，可以與各種降維算法相結(jié)合。分析者可以根據(jù)具體的需求選擇合適的降維算法，并將其嵌入到本發(fā)明的框架中進行數(shù)據(jù)分析和可視化。由于本發(fā)明的設計理念是通用的，因此可以與現(xiàn)有的降維算法和數(shù)據(jù)處理工具無縫集成，無論是經(jīng)典的pca(principal?component?analysis，主成分分析)、lle(locally?linearembedding，局部線性嵌入)還是流行的t-sne(t-distributed?stochastic?neighborembedding，t分布-隨機鄰近嵌入)等算法，都可以與本發(fā)明的框架進行集成和應用。本發(fā)明不僅適用于降維算法，還可以應用于其他數(shù)據(jù)分析和可視化任務，比如聚類、分類、關聯(lián)規(guī)則挖掘等，具有廣泛的適用性和應用前景。

18、其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點在說明書以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

19、為使本發(fā)明的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細說明如下。

技術特征：

1.一種基于對比的交互式降維結(jié)果理解方法，其特征在于，具體包括：

2.如權利要求1所述的基于對比的交互式降維結(jié)果理解方法，其特征在于，所述感興趣區(qū)域根據(jù)所述用戶的選取結(jié)果進行確定。

3.如權利要求1所述的基于對比的交互式降維結(jié)果理解方法，其特征在于，所述語義向量為連接所述目標組和參照組中心的向量。

4.如權利要求1所述的基于對比的交互式降維結(jié)果理解方法，其特征在于，所述語義向量分為單極語義向量和雙極語義向量。

5.如權利要求1所述的基于對比的交互式降維結(jié)果理解方法，其特征在于，利用所述語義向量構(gòu)建投影空間，具體包括：

6.如權利要求1所述的基于對比的交互式降維結(jié)果理解方法，其特征在于，所述輔助可視組件包括投影空間、降維空間、權重編輯器和平行屬性向量。

7.如權利要求6所述的基于對比的交互式降維結(jié)果理解方法，其特征在于，投影空間是通過語義向量構(gòu)建的，用于展示數(shù)據(jù)點在語義向量上的投影，降維空間為所述數(shù)據(jù)點經(jīng)過降維處理后的結(jié)果。

8.如權利要求6所述的基于對比的交互式降維結(jié)果理解方法，其特征在于，所述平行屬性向量分為過濾結(jié)果行、屬性行和加權排序行三部分。

技術總結(jié)
本發(fā)明提供一種基于對比的交互式降維結(jié)果理解方法，屬于數(shù)據(jù)處理技術領域。具體包括：步驟1、基于散點圖中的感興趣區(qū)域以及選取區(qū)域進行目標組和參照組的構(gòu)建；步驟2、根據(jù)數(shù)據(jù)點的語義理解結(jié)果計算連接所述目標組和參照組中心的語義向量，并將數(shù)據(jù)點投影到語義向量上，利用所述語義向量構(gòu)建投影空間；步驟3、在進行數(shù)據(jù)交互時，用戶通過投影空間中的語義向量的輔助可視組件對所述語義向量進行操作，進行所述感興趣區(qū)域的可視化分析。本發(fā)明基于對比思路可準確呈現(xiàn)目標區(qū)域的語義特征，可以幫助分析者快速理解和解釋降維空間中的可視結(jié)構(gòu)。

技術研發(fā)人員：楊曉輝,李妍,于英龍,伍蕓菲,劉彥彤
受保護的技術使用者：中國傳媒大學
技術研發(fā)日：
技術公布日：2025/1/6