DRVisSys：基于属性相关性分析的可视化推荐系统

doi:10.3778/j.issn.1002-8331.1710-0104

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (7): 251-256.DOI: 10.3778/j.issn.1002-8331.1710-0104

DRVisSys：基于属性相关性分析的可视化推荐系统

吴小全1，2，李晖1，2，陈梅1，2，戴震宇1，2

1.贵州大学计算机科学与技术学院，贵阳 550025
2.贵州大学贵州省先进计算与医疗信息服务工程实验室，贵阳 550025

出版日期:2018-04-01 发布日期:2018-04-16

DRVisSys： visualization recommendation system based on attribute correlation analysis

WU Xiaoquan1，2, LI Hui1，2, CHEN Mei1，2, DAI Zhenyu1，2

1.College of Computer Science and Technology, Guizhou University, Guiyang 550025, China
2.Guizhou Engineering Lab of Advanced Computing and Medical Information Services, Guizhou University, Guiyang 550025, China

Online:2018-04-01 Published:2018-04-16

摘要/Abstract

摘要： 数据可视化通常是展示数据价值最有效的方式。针对大规模复杂多维数据，对相关数据子集进行分析并将分析结果自动映射成合适的可视化展现模式，是一项需要大量迭代计算的复杂技术工作。设计并实现了DRVisSys系统，该系统根据属性关联分析技术推荐出合适的可视化展现模式；其对于非平凡属性组合的选择，采用典型关联算法计算出更优的属性集。考虑到各属性权重在实际生活中是有区别的，采用层叠隐马尔可夫算法计算各属性权重，将属性权重作为非平凡属性组的评测标准之一。为使得推荐出的可视化展现模式能更好地满足用户需要，DRVisSys系统能根据用户反馈，更新可视化推荐模型。实验结果表明，DRVisSys能够快速进行数据分析并为用户推荐出合适的可视化展现模式。

关键词: 数据可视化, 典型关联算法, 非平凡属性组, 层叠隐马尔可夫模型, 可视化推荐模型

Abstract: Visualization is the most effective way to unleash the insights of data. However, discovering the relevant subgroup of large multidimensional data sets and mapping it into appropriate visualizations often require large amount of sophisticated iterative analysis. In order to make it easy to obtain better visualization automatically, this paper proposes DRVisSys, a system that can produce suitable visualizations according to Canonical Correlation Analysis（CCA） based attributes relevance. Furthermore, considering that the weight of attribute is different in the real world, the system uses cascaded Hidden Markov Model（HMM） to calculate the weight of attributes, which regards weight as one of criteria of non-trivial set of attributes. Besides, the system can update the visual recommendation model based on users’ feedback in order to make the recommended visualization meet the needs of users. The experiment results show that DRVisSys can quickly analyze the data and recommend the appropriate visualization to users.

Key words: data visualization, Canonical Correlation Analysis（CCA）, non-trivial set of attributes, cascaded Hidden Markov Model(HMM), visual recommendation model

吴小全1，2，李晖1，2，陈梅1，2，戴震宇1，2. DRVisSys：基于属性相关性分析的可视化推荐系统[J]. 计算机工程与应用, 2018, 54(7): 251-256.

WU Xiaoquan1，2, LI Hui1，2, CHEN Mei1，2, DAI Zhenyu1，2. DRVisSys： visualization recommendation system based on attribute correlation analysis[J]. Computer Engineering and Applications, 2018, 54(7): 251-256.

[1]	张迪，杨沛，邓鑫波，赵千川. ASExplorer：基于联合熵的多维相关性可视分析系统[J]. 计算机工程与应用, 2021, 57(1): 99-109.
[2]	王勇，王松，张红英. 基于B/S构架的网络结构可视化系统设计与实现[J]. 计算机工程与应用, 2020, 56(11): 230-237.
[3]	黄冬梅，徐宸弋轩，郑霞，赵丹枫，何盛琪. 面向海洋预报任务的大数据可视化系统研究[J]. 计算机工程与应用, 2019, 55(7): 87-94.
[4]	王志省，许晓兵. 改进的基于SOM的高维数据可视化算法[J]. 计算机工程与应用, 2013, 49(17): 112-115.
[5]	郑龙，敖永红，梁莹莹，孙扬. RPES：一种新的多维数据可视化方法[J]. 计算机工程与应用, 2012, 48(21): 107-111.
[6]	秦红星. 体数据的多尺度张量表达与可视化[J]. 计算机工程与应用, 2011, 47(36): 38-40.
[7]	陈念年¹，蔡勇²，张建生²，张建华³. MCNP输出数据分析与可视化软件的设计与实现[J]. 计算机工程与应用, 2010, 46(8): 208-210.
[8]	李艳波¹，刘权²，鲁明羽¹. 基于GIS技术的科学基金管理数据可视化方法[J]. 计算机工程与应用, 2009, 45(35): 73-75.
[9]	赵陌. 一个新的体绘制加速算法[J]. 计算机工程与应用, 2009, 45(17): 155-158.
[10]	邵超. ISOMAP算法参数的递增式选取[J]. 计算机工程与应用, 2008, 44(21): 119-122.

DRVisSys：基于属性相关性分析的可视化推荐系统

DRVisSys： visualization recommendation system based on attribute correlation analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics