【技术实现步骤摘要】
本专利技术涉及数据可视化，尤其涉及一种智能化的图表生成方法和系统。
技术介绍
1、bi，即business intelligence商业智能，通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。数据可视化广泛应用于商业智能系统中，包括报表、查询结果和仪表盘。图表、图形、分布图等可视化方式让数据变得生动，更易于快速理解，趋势和异常值更加显眼，颜色和图案可以清楚反映数据背后的故事。利用大数据分析、现代数据仓库等技术收集企业最新数据、形成bi报表并及时为企业员工提供bi数据分析报告，实现对业务数据的深入挖掘以获取更多商业价值。
2、仪表盘是最受欢迎的商业智能工具之一，采用持续更新的图表、图形、表格和其他可视化方式将繁琐的数据以简洁明了的形式呈现给企业用户。
3、然而，针对于数据图表化展示过程，存在比较高的使用门槛，用户在实际操作、应用过程中，需要对大量数据有着充分的了解，并且具备历史数据分析经验，方可将海量数据字段转化成有价值的可视化图表，进而才能发现、探索、分析数据背后隐藏的价值。
技术实现思路
1、本专利技术的目的是为了解决现有技术中存在数据图表化展示过程，存在比较高的使用门槛，用户在实际操作、应用过程中，需要对大量数据有着充分的了解，并且具备历史数据分析经验才能将海量数据字段转化成有价值的可视化图表的缺点，而提出的一种智能化的图表生成方法和系统。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一
4、s1，模型训练(系统原理)；
5、s2，模型选择(用户操作)；
6、s3，图表生成(系统原理&用户操作)。
7、优选的，所述步骤s1还包括进一步步骤：
8、s11，图表生成模型；用于在不同行业在数据分析时的侧重点、维度不同，以行业区分数据集进行模型训练，可提升ai模型在图表生成时的准确性；
9、s12，图表配置模型。
10、优选的，所述步骤s2还包括进一步步骤：
11、s21，需求输入；
12、s22，行业和数据集选择。
13、优选的，所述步骤s3还包括进一步步骤：
14、s31，图表预览；
15、s32，图表样式配置预览。
16、优选的，所述步骤s11配置有模型训练系统，所述模型训练系统包括如下模块：
17、训练数据集准备模块：用于将已有bi图表以行业进行区分，图表描述关键词(如：“xx部门去年的销售额分布”，则关键词为“xx部门”、“去年”、“销售额”、“分布”)、图表类型(如折线图、柱状图、饼图)、元数据信息(字段名、字饼图)、维度/指标处理方式信息作为模型的输入输出；
18、数据训练模块：用于将准备好的数据集用于深度学习模型的训练，得到不同行业的图表生成模型，本专利技术对于模型细节及调参过程不做赘述。
19、优选的，所述步骤s12采用深度卷积神经网络，针对不同主题(如“商业”、“医疗”、“经营分析”、“金融”、“电商”)图表样式配置进行模型训练，支持主流echarts和antv图库。
20、优选的，所述步骤s22还包括后续步骤：
21、s221，用户在内置已有的ai模型的行业范围内进行选择；
22、s222，数据集为所连接数据源数据表的字段信息，包括字段名、字段类型，并可为字段选择维度或指标；
23、数据集是配置图表所需的系统前置功能，非本
技术实现思路
，在此不做展开。
24、优选的，所述步骤s31还包括后续步骤：
25、s311，根据用户输入的需求、行业及相关数据集，系统内的ai模型自动图表类型(折线图、饼图)、所需字段及字段操作信息；
26、s312，系统后端getdata方法会将其作为输入信息，生成sql查询语句，查询到的数据在此方法内进行聚合、排序操作后，根据图表类型特点，返回x、y轴数据；
27、s313，系统根据深度学习模型输出结果，选择top3或top5图表配置按上述原理生成图表预览供用户选择，用户可选择最匹配需求的图表。
28、优选的，所述步骤s32还包括后续步骤：
29、s321，样式选择；
30、用户在界面可根据图表配置算法推荐，为上步已选图表选择符合预期的样式效果；后根据用户选择，系统可自动为已选图表调整到最优样式。
31、优选的，所述步骤s21还包括后续步骤：
32、s211，对用户在界面输入需要的图表描述语句进行数据核对；
33、例如“我想查看a企业b部门上个季度每天的工时情况”，将相互匹配的数据进行分类整合展示。
34、有益效果
35、1、本专利技术中，通过图表依赖深度学习模型自动生成，结合人工智能技术，简化了数据可视化图表生成过程中用户处理数据、配置图表的操作步骤，降低用户进行数据分析的门槛，提升报表质量，并为后期的决策、预测分析决断提供相应参考，减少用户操作步骤，降低数据分析门槛，提升图表质量；依据不同行业业务及需求，对数据字段的维度、指标的要素进行不同关联及处理，定制化生成图表；图表生成时使用的ai模型也可用于预测，帮助决策。
本文档来自技高网...【技术保护点】
1.一种智能化的图表生成方法，其特征在于，所述图表生成方法如下步骤：
2.根据权利要求1所述的一种智能化的图表生成方法，其特征在于，所述步骤S1还包括进一步步骤：
3.根据权利要求1所述的一种智能化的图表生成方法，其特征在于，所述步骤S2还包括进一步步骤：
4.根据权利要求1所述的一种智能化的图表生成方法，其特征在于，所述步骤S3还包括进一步步骤：
5.根据权利要求2所述的一种智能化的图表生成方法，其特征在于，所述步骤S12采用深度卷积神经网络，针对不同主题图表样式配置进行模型训练，支持主流ECharts和AntV图库。
6.根据权利要求3所述的一种智能化的图表生成方法，其特征在于，所述步骤S22还包括后续步骤：
7.根据权利要求4所述的一种智能化的图表生成方法，其特征在于，所述步骤S31还包括后续步骤：
8.根据权利要求4所述的一种智能化的图表生成方法，其特征在于，所述步骤S32还包括后续步骤：
9.根据权利要求3所述的一种智能化的图表生成方法，其特征在于，所述步骤S21还包括后续步
10.根据权利要求1-9任意一项所述的一种智能化的图表生成方法的系统，其特征在于，所述步骤S11配置有模型训练系统，所述模型训练系统包括如下模块：
...【技术特征摘要】
1.一种智能化的图表生成方法，其特征在于，所述图表生成方法如下步骤：
2.根据权利要求1所述的一种智能化的图表生成方法，其特征在于，所述步骤s1还包括进一步步骤：
3.根据权利要求1所述的一种智能化的图表生成方法，其特征在于，所述步骤s2还包括进一步步骤：
4.根据权利要求1所述的一种智能化的图表生成方法，其特征在于，所述步骤s3还包括进一步步骤：
5.根据权利要求2所述的一种智能化的图表生成方法，其特征在于，所述步骤s12采用深度卷积神经网络，针对不同主题图表样式配置进行模型训练，支持主流echarts和antv图库。
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。