[发明专利]推荐图表的方法、装置、电子设备及计算机可读介质

说明书

本发明公开了一种推荐图表的方法、装置、电子设备及计算机可读介质，涉及人工智能技术领域。其中，推荐可视化图表的方法包括：获取用户待可视化的数据集；根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端；在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。通过以上步骤，能够提高可视化图表的推荐效果，提高图表推荐服务的用户体验。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种推荐图表的方法、装置、电子设备及计算机可读介质。

背景技术

数据已成为新时代的“石油”。由于数据中蕴藏的信息往往具有隐蔽性，这就需要借助科学、高效的可视化图表来实现数据的可视化分析，以洞察数据中蕴藏的信息，发现数据的价值。

在现有技术中，大多可视化图表主要通过个性化定制的方式生成。在个性化定制的可视化图表设计中，普遍存在以下问题：1，可视化图表的设计周期过长，往往需要经历一个或多个可视化图表设计迭代周期；2，可视化图表设计的沟通与实现成本高，需要终端用户将需求传递至分析人员，再由分析人员传递到设计师与开发者，其中不可避免的会出现信息的误解与损耗；3，可视化图表设计对设计者的可视化设计能力、专业知识、审美能力等方面的要求很高；4、设计的可视化图表与用户自身分析水平不匹配，进而导致当前大量数据以用户难以理解的方式被可视化的展现。综合上述情况，最终造成了当前在通讯、社交、游戏、电商、金融、新零售、云计算等数据密集型行业中，大量数据长期无法被可视化的分析，或以用户难以理解的方式被可视化的展现。

为了解决可视化图表设计中的痛点问题，现有技术中出现了基于人工智能的可视化图表推荐方案。在实现本发明的过程中，本发明的发明人发现：目前可视化图表的智能推荐技术完全聚焦于图表与数据匹配度的计算，而忽视了用户对于可视化图表的各类倾向性需求，造成自动化推荐的图表仍然存在用户难以理解、客户接受度不高、推荐结果千篇一律难以满足个性化的可视化分析需求等缺点。

发明内容

有鉴于此，本发明提供了一种推荐图表的方法、装置、电子设备及计算机可读介质，能够有效提高图表的推荐效果。

为实现上述目的，根据本发明的第一个方面，提供了一种推荐可视化图表的方法。

本发明的推荐可视化图表的方法包括：获取用户待可视化的数据集；根据所述待可视化的数据集确定图表推荐结果，并将所述图表推荐结果发送至所述用户对应的终端；在接收到所述用户对应的终端返回的针对所述图表推荐结果的反馈信息后，根据所述反馈信息调整图表推荐结果，并将调整后的图表推荐结果发送至所述用户对应的终端。

可选地，根据所述待可视化的数据集确定图表推荐结果包括：对所述待可视化的数据集进行特征提取；计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；将匹配度大于或等于预设匹配度阈值的图表作为待推荐的图表，或者，将匹配度最大的前N个图表作为待推荐的图表；其中，N为大于或等于1的整数。

可选地，根据所述待可视化的数据集确定图表推荐结果包括：对所述待可视化的数据集进行特征提取；计算所述待可视化的数据集的特征与图表知识库中各个图表的匹配度；将匹配度大于或等于预设匹配度阈值的图表作为候选推荐图表，或者，将匹配度最大的前M个图表作为候选推荐图表；从标签库中获取所述用户进行可视化分析的偏好标签数据；根据所述用户进行可视化分析的偏好标签数据从所述候选推荐图表中筛选出待推荐的图表；其中，M为大于1的整数。

可选地，所述根据所述用户进行可视化分析的偏好标签数据从所述候选推荐图表中筛选出待推荐的图表包括：确定候选推荐图表所关联的所述用户进行可视化分析的偏好标签、以及偏好标签的权重，对所述候选推荐图表所关联的偏好标签的权重进行累加求和，以得到用户对所述候选推荐图表的偏好度；将偏好度大于或等于预设偏好度阈值的候选推荐图表作为待推荐的图表，或者，将偏好度最大的前N个候选推荐图表作为待推荐的图表；其中，N为大于或等于1的整数。