一种基于用户使用主成分的图表推荐系统及方法技术方案

本发明专利技术涉及数据分析可视化技术领域，特别是一种基于用户使用主成分的图表推荐系统及方法。本发明专利技术的特征因子提取模块通过分析报表数据特征提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；图表评分推荐模块将特征因子与用户历史算法因子库进行匹配，计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表的最终评分，评价图表并推荐给用户；用户历史算法因子学习模块用于收集用户选择图表的历史记录，进行特征因子分析、关键词处理和特征因子用户评分计算，不断完善特征因子库和用户历史算法因子库。本发明专利技术自动匹配用户历史算法因子库计算图表评分，推荐合适的图表，可以适用于数据分析可视化中对图表选择的智能推荐。

A chart recommendation system and method based on user principal component analysis

The invention relates to the technical field of data analysis visualization, in particular to a graph recommendation system and a method based on principal components used by users. The feature factor extraction module extracts feature factors by analyzing the characteristics of the report data, matches the feature factor with the feature factor library, and calculates the importance degree according to the word frequency of the characteristic factor. The chart scoring recommendation module matches the feature factor with the user history algorithm factor library and calculates the chart feature factor score. The characteristic factor score of the same chart is added to the final score of the chart, the chart is evaluated and recommended to the user; the user history algorithm factor learning module is used to collect the historical records of the user's selection chart, to carry out the characteristic factor analysis, the keyword processing and the user evaluation of the characteristic factor, and to improve the feature factor library continuously. User history algorithm factor library. The invention automatically matches the calculation chart of the user history algorithm factor library and recommends the appropriate chart, which can be applied to the intelligent recommendation of the chart selection in the visualization of data analysis.

【技术实现步骤摘要】
一种基于用户使用主成分的图表推荐系统及方法
本专利技术涉及数据分析可视化
，特别是一种基于用户使用主成分的图表推荐系统及方法。
技术介绍
数据可视化将数据转换成适当的可视化图表，将隐藏在数据中的信息直接展现于人们面前，使数据更加客观、更具说服力。但是可视化图表种类繁多，不同类型的图表满足不同的展示和分析需求。用户在不熟悉这些图表的情况下，很难选择一种合适的图表去展现数据。用户使用图表的业务场景有很多相似之处，用户的历史选择图表记录中包含了使用习惯、业务习惯和数据特征等重要信息，但这些信息未得到充分利用，导致同样的业务数据需要做重复的分析和图表选择。
技术实现思路
本专利技术解决的技术问题之一在于提供一种基于用户使用主成分的图表推荐系统；可以自动匹配用户历史算法因子库计算图表评分，推荐合适的图表，降低数据可视化的使用门槛，提升用户体验。本专利技术解决的技术问题之二在于提供一种基于用户使用主成分的图表推荐系统的实现方法。本专利技术解决上述技术问题之一的技术方案是：所述的方法由特征因子提取模块、图表评分推荐模块和用户历史算法因子学习模块三部份组成；所述的特征因子提取模块用于通过分析报表数据维度和度量属性、数字分布规律、数字趋势、时间和地理序列提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；所述的图表评分推荐模块将特征因子与用户历史算法因子库进行匹配，将特征因子重要度与用户历史评分相乘计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表最终评分，评价图表并推荐给用户；所述的用户历史算法因子学习模块通过汇总特征因子生成特征因子集，使用关键词提取算法生成特征因子文章及关键词，更新特征因子库；用户选择图表展示报表后，将图表、特征因子及重要度添加到用户选择图表历史记录中，解析用户历史使用图表记录，使用加权几何平均算法计算用户评分并累积评分次数，更新用户历史算法因子库。所述的系统由特征因子提取模块、图表评分推荐模块和用户历史算法因子学习模块组成；特征因子提取模块，分析报表数据特征提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；图表评分推荐模块，将特征因子与用户历史算法因子库进行匹配，计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表的最终评分，评价图表并推荐给用户；用户历史算法因子学习模块，收集用户选择图表的历史记录，进行特征因子分析、关键词处理和特征因子用户评分计算，不断完善特征因子库和用户历史算法因子库，不断提高图表匹配精确度。所述的特征因子提取模块，通过分析报表数据维度和度量属性、数字分布规律、数字趋势、时间和地理序列提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度。所述的图表评分推荐模块，将特征因子重要度与用户历史评分相乘计算图表特征因子评分。所述的用户历史算法因子学习模块，汇总特征因子生成特征因子集，使用关键词提取算法生成特征因子文章及关键词，更新特征因子库；用户选择图表展示报表后，将图表、特征因子及重要度添加到用户选择图表历史记录中，解析用户历史使用图表记录，使用加权几何平均算法计算用户评分并累积评分次数，更新用户历史算法因子库。本专利技术解决上述技术问题之二的技术方案是：所述的方法具体步骤如下：第一步，通过分析报表数据维度和度量属性、数字分布规律、数字趋势、时间和地理序列提取特征因子；第二步，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；第三步，将特征因子与用户历史算法因子库匹配，将特征因子重要度与用户历史评分相乘计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表最终评分；第四步，评价图表的最终评分，将图表推荐给用户；第五步，汇总特征因子生成特征因子集，使用关键词提取算法生成特征因子文章及关键词，更新特征因子库；第六步，将用户选择的图表、特征因子及重要度添加到用户选择图表历史记录中；第七步，解析用户历史使用图表记录，使用加权几何平均算法重新计算用户评分并累积评分次数，更新用户历史算法因子库。本专利技术的有益效果是：根据报表数据的特征因子，自动匹配用户历史算法因子库计算图表评分，推荐合适的图表，降低了数据可视化的使用门槛。根据用户选择可视化图表的历史记录，自动学习不断完善用户历史算法因子库，不断提高推荐图表准确率，提升了用户体验。附图说明下面结合附图对本专利技术进一步说明：图1是本专利技术的架构示意图；图2是本专利技术特征因子与重要度的示例；图3是本专利技术推荐算法因子库中用户评分与评分次数的计算示例；图4是本专利技术图表推荐分值的计算示例。具体实施方式如图1所示，本专利技术的基于用户使用主成分的图表推荐方法由特征因子提取模块、图表评分推荐模块和用户历史算法因子学习模块三部份组成；特征因子提取模块通过分析报表数据特征提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；图表评分推荐模块将特征因子与用户历史算法因子库进行匹配，计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表的最终评分，评价图表并推荐给用户；用户历史算法因子学习模块用于收集用户选择图表的历史记录，进行特征因子分析、关键词处理和特征因子用户评分计算，不断完善特征因子库和用户历史算法因子库，不断提高图表匹配精确度。特征因子提取模块用于通过分析报表数据维度和度量属性、数字分布规律、数字趋势、时间和地理序列提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；图表评分推荐模块将特征因子与用户历史算法因子库进行匹配，将特征因子重要度与用户历史评分相乘计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表最终评分，评价图表并推荐给用户；用户历史算法因子学习模块通过汇总特征因子生成特征因子集，使用关键词提取算法生成特征因子文章及关键词，更新特征因子库；用户选择图表展示报表后，将图表、特征因子及重要度添加到用户选择图表历史记录中，解析用户历史使用图表记录，使用加权几何平均算法计算用户评分并累积评分次数，更新用户历史算法因子库。在图2中，提取特征因子过程，通过分析报表数据维度和度量属性、数字分布规律、数字趋势、时间和地理序列提取特征因子；根据特征因子库中因子词频，计算特征因子重要度。在图3中，推荐算法因子库学习过程，使用加权几何平均算法计算用户历史评分并累积评分次数。在图4中，图表推荐分值计算过程，将特征因子重要度与用户历史评分相乘计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表最终评分。如图1所示，基于用户使用主成分的图表推荐方法的详细实施流程为：第一步，通过分析报表数据维度和度量属性、数字分布规律、数字趋势、时间和地理序列提取特征因子；第二步，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；第三步，将特征因子与用户历史算法因子库匹配，将特征因子重要度与用户历史评分相乘计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表最终评分；第四步，评价图表的最终评分，将图表推荐给用户；第五步，汇总特征因子生成特征因子集，使用关键词提取算法生成特征因子文章及关键词，更新特征因子库；第六步，将用户选择的图表、特征因子及重要度添加到用户选择图表历史记录中；第七步，解析用户历史使用图表记录，使用加权几何平本文档来自技高网...

【技术保护点】
1.一种基于用户使用主成分的图表推荐系统，其特征在于：所述的系统由特征因子提取模块、图表评分推荐模块和用户历史算法因子学习模块组成；特征因子提取模块，分析报表数据特征提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；图表评分推荐模块，将特征因子与用户历史算法因子库进行匹配，计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表的最终评分，评价图表并推荐给用户；用户历史算法因子学习模块，收集用户选择图表的历史记录，进行特征因子分析、关键词处理和特征因子用户评分计算，不断完善特征因子库和用户历史算法因子库，不断提高图表匹配精确度。

【技术特征摘要】
1.一种基于用户使用主成分的图表推荐系统，其特征在于：所述的系统由特征因子提取模块、图表评分推荐模块和用户历史算法因子学习模块组成；特征因子提取模块，分析报表数据特征提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度；图表评分推荐模块，将特征因子与用户历史算法因子库进行匹配，计算图表特征因子评分，将同一种图表的特征因子评分相加计算图表的最终评分，评价图表并推荐给用户；用户历史算法因子学习模块，收集用户选择图表的历史记录，进行特征因子分析、关键词处理和特征因子用户评分计算，不断完善特征因子库和用户历史算法因子库，不断提高图表匹配精确度。2.根据权利要求1所述的图表推荐系统，其特征在于：所述的特征因子提取模块，通过分析报表数据维度和度量属性、数字分布规律、数字趋势、时间和地理序列提取特征因子，将特征因子与特征因子库进行匹配，根据特征因子词频计算重要度。3.根据权利要求1所述的图表推荐系统，其特征在于：所述的图表评分推荐模块，将特征因子重要度与用户历史评分相乘计算图表特征因子评分。4.根据权利要求2所述的图表推荐系统，其特征在于：所述的图表评分推荐模块，将特征因子重要度与用户历史评分相乘计算图表特征因子评分。5.根据权利要求1至4...

【专利技术属性】
技术研发人员：吴建州，张恒，李勇波，季统凯，
申请(专利权)人：国云科技股份有限公司，
类型：发明
国别省市：广东,44