展示方法及装置制造方法及图纸

本说明书提供展示方法及装置，其中所述展示方法包括：基于至少两个目标对象在参考时间段的历史联系数据，构建关系网络图，该关系网络图用于表征参考时间段内的每个参考时间单元中至少两个目标对象之间的关联关系，且以至少两个目标对象为节点；基于节点和任意两个节点间的关系，将每个关系网络图中的每个节点转换为目标向量，其中，在一个关系网络图中一个节点对应一个目标向量；基于每个节点的目标向量，为关系网络图构建对应的可视化关系图，该可视化关系图中每个参考时间单元内两个节点之间的距离表征至少两个目标对象之间的关联度。如此，可以更加清楚直观地展示出节点之间的关系，便于快速确定出目标团队，进而提高了工作效率。

Display method and device

【技术实现步骤摘要】
展示方法及装置
本说明书涉及数据处理
，特别涉及一种展示方法及装置。
技术介绍
随着互联网技术的发展，现有数据均以大数据的形式存在，且有关联关系的目标对象的数据之间存在联系，但由于大数据规模大、多元化且数据之间联系复杂，因此，如何将目标对象之间的关联关系清楚地展示出来，以便从目标对象中确定目标团队成为亟需解决的问题。现有技术中可以通过时间轴的方法将所有内容显示在同一个视图中，然后由工作人员通过肉眼比较各个时间段图结构的变化，进而确定图中是否存在目标团队。例如，基于数据分析系统的话单时序分析可以基于多个目标对象的通话记录，将多个目标对象的通话关系展示在图表中，工作人员需要对通话时间点，通话时长、通话规律等进行分析，以便确定多个目标对象中的目标团队。但上述方式在视图中展示的是通话记录中各个维度的信息，且需要工作人员对各个维度的信息进行分析得出相关的规律，才能确定多个目标对象之间的联系，且在数据量非常多，时间跨度较大的时候，可视图中展示的信息多且杂，很难通过肉眼去分析相关的规律，导致很难快速确定出目标团队，降低工作效率。本文档来自技高网...

【技术保护点】
1.一种展示方法，其特征在于，所述方法包括：/n基于至少两个目标对象在参考时间段的历史联系数据，构建关系网络图，其中，所述关系网络图用于表征所述参考时间段内的每个参考时间单元中所述至少两个目标对象之间的关联关系，且以所述至少两个目标对象为节点；/n基于节点和任意两个节点间的关系，将每个关系网络图中的每个节点转换为目标向量，其中，在一个关系网络图中一个节点对应一个目标向量；/n基于每个节点的目标向量，为所述关系网络图构建对应的可视化关系图，其中，所述可视化关系图中每个参考时间单元内两个节点之间的距离表征所述至少两个目标对象之间的关联度。/n

【技术特征摘要】
1.一种展示方法，其特征在于，所述方法包括：
基于至少两个目标对象在参考时间段的历史联系数据，构建关系网络图，其中，所述关系网络图用于表征所述参考时间段内的每个参考时间单元中所述至少两个目标对象之间的关联关系，且以所述至少两个目标对象为节点；
基于节点和任意两个节点间的关系，将每个关系网络图中的每个节点转换为目标向量，其中，在一个关系网络图中一个节点对应一个目标向量；
基于每个节点的目标向量，为所述关系网络图构建对应的可视化关系图，其中，所述可视化关系图中每个参考时间单元内两个节点之间的距离表征所述至少两个目标对象之间的关联度。


2.如权利要求1所述的展示方法，其特征在于，所述基于节点和任意两个节点间的关系，将每个关系网络图中的每个节点转换为目标向量，包括：
基于参考关系网络图中的节点和任意两个节点间的关系，通过词向量模型确定所述参考关系网络图中的每个节点的词向量，所述参考关系网络图为所述关系网络图中任意一个参考时间单元对应的关系网络图；
基于所述参考关系网络图中的每个节点的词向量，通过降维算法将所述参考关系网络图中每个节点转换为目标向量。


3.如权利要求2所述的展示方法，其特征在于，所述基于参考关系网络图中的节点和任意两个节点间的关系，通过词向量模型确定所述参考关系网络图中的每个节点的词向量，包括：
基于所述参考关系网络图中的节点和任意两个节点间的关系，确定所述参考关系网络图中包括的目标路径，所述目标路径中包括至少两个节点；
将所述目标路径包含的节点同时输入所述词向量模型中，得到所述参考关系网络图中每个节点的词向量。


4.如权利要求3所述的展示方法，其特征在于，所述历史联系数据中包括所述至少两个目标对象之间的联系次数，所述构建关系网络图之后，还包括：
基于所述至少两个目标对象之间的联系次数，确定所述关系网络图中每条边的权重；
相应地，所述基于所述参考关系网络图中的节点和任意两个节点间的关系，确定所述参考关系网络图中包括的目标路径，包括：
基于所述参考关系网络图确定其中包含的多个子路径，其中，每个子路径由所述参考关系网络图中每条边的两个节点和所述两个节点的关联关系确定；
基于每条边的权重，确定所述多个子路径中每个子路径输入所述词向量模型的次数，得到所述多个子路径的输入次数；
基于所述多个子路径的输入次数，将所述多个子路径中包括关联节点的子路径确定为关联路径，以及将所述多个子路径中不包括关联节点的子路径确定为非关联路径，其中，每个关联路径包括至少一个关联节点，所述关联节点与至少两个不同的节点相连；
将所述关联路径和所述非关联路径确定为所述参考关系网络图中包括的目标路径。


5.如权利要求2所述的展示方法，其特征在于，所述基于所述参考关系网络图中的每个节点的词向量，通过降维算法将所述参考关系网络图中每个节点转换为目标向量，包括：
对所述参考关系网络图中的节点进行两两组对，得到多个节点组；
基于每个节点组中两个节点的词向量，确定每个节点组中两个节点的词向量之间的距离，得到距离矩阵，其中，每个节点组中的两个节点的词向量之间的距离越小，则两个节点的关联度越大；
将所述距离矩阵输入所述降维算法中，得到所述参考关系网络图中每个节点的目标向量。


6.如权利要求1所述的展示方法，其特征在于，所述基于每个节点的目标向...

【专利技术属性】
技术研发人员：叶奋进，陈杨，
申请(专利权)人：杭州橙鹰数据技术有限公司，
类型：发明
国别省市：浙江;33