[发明专利]一种基于占用矩阵的词云图可视化方法

权利要求书

1.一种词云图可视化方法，其特征在于，包括如下步骤：

步骤一：对于已排序的词组和词频，计算可视区域面积，对词频做规格化处理，词频表示字号，使所有词组、词频和词组字数表示的总面积小于可视区域面积；

步骤二：设置一个以可视区域的宽W和高H为尺寸的矩阵M，称为占用矩阵，M=[H*W]，将其所有元素置为0，表示未被占用；

步骤三：将最大词频的词组布局在可视区中间，其所占用的M矩阵中的子矩阵元素（或仅字模像素区）置为1，表示该区域已占用；

步骤四：为下一个词组按照极坐标分配布局位置，如果词组不在可视区内先移动到可视区，通过矩形边线检测是否该区域被占用，即不重叠，如果重叠则为该词组随机分配布局位置，继续检测是否重叠，直至不重叠；

步骤五：检测是否可以旋转。将该词组垂直90度旋转后，检测是否与已布局词组重叠，不重叠则可以旋转，随机选择部分旋转，不能旋转或未选中保持原位置；

步骤六：检测是否可以向中心靠近，垂直和水平方向同时向可视区中心移动一定步长，不重叠则继续移动，重叠后停止，撤回最后一次移动；逐像素检测垂直和水平单方向是否能靠近中心，能则移动直到重叠为止；

步骤七：在可视区域打印该词组，并将其所占用的矩形区域的子矩阵（或仅字模像素区）置为1，表示已占用，转步骤四，所有词组布局完成后本方法结束。调整占用子矩阵的边界参数控制行间距。

步骤八：（此步骤为可选项）对于词组内部造成的空隙，采用字模提取技术，字模像素与占用矩形区像素重叠才将占用矩阵对应元素置为1。

步骤九：（此步骤为可选项）对于词组字数差异造成内部缝隙时，布局一定比例词组后，采用极坐标检测占用矩阵内剩余空白圆形区并存储其位置、半径和与中心的距离，按照与中心距离升序排序。对后续的词组布局时，从距离中心最近的空白区开始尝试，再检测是否重叠和是否可以旋转，如果所有空白区都重叠，则随机生成该词组坐标。

步骤十：如果提前用已知的二值图形初始化占用矩阵M，可以填充生成任意图形的词云图。

步骤十一：（此步骤为独立算法）在以上步骤基础上设计了任意角度旋转词云图。随机生成词组左下角基线坐标和随机旋转角度α，检测词组旋转后四角坐标是否超出可视区，超出可视区再次随机生成基线坐标和旋转角度，检测旋转后四边是否与已布局词组重叠，重叠则重新生成基线坐标和旋转角度，如果不是第一个词组，则检测是否可以向第一个词组中心移动，不重叠则移动，同样采用纵横双向快速移动和纵横单向逐像素移动，重叠后停止。按照旋转角度α旋转画布，打印词组后旋转画布-α角度。

步骤十二：如果预先对词组添加分类标签，可以用色彩、字体和旋转角度标注不同分类的词组，生成多重语义词云图。

步骤十三：（此步骤为独立算法）一种基于迭代计算占用矩形的词云布局算法，通过将第一个词组布局在可视区中央，迭代计算其左上、左下、右下和右上剩余的矩形区域坐标和面积，按面积排序，对后续词组布局时，从面积最小的区域开始尝试，布局后计算新增加的2个矩形区域，将其中1个存储在所占用的矩形存储单元，只需新增1个存储单元，再次按照面积排序，迭代布局后续词组。

2.根据权利要求1所述一种词云图可视化方法，其特征在于：所述步骤二中采用与可视区域同尺寸的二值矩阵表示已被占用区域，以解决词云图的关键难点之一，即去重叠。调整占用矩阵的边界参数控制行间距。词组布局完成后将其占用的子矩阵像素置为1表示已占用。

3.根据权利要求1所述一种词云图可视化方法，其特征在于：所述步骤四中采用矩形边线检测是否与已布局词组重叠，检测代价最小。

4.根据权利要求1所述一种词云图可视化方法，其特征在于：所述步骤五中检测是否可以旋转，由于直接旋转的是画布，而不是词组，需要以词组中心旋转，并计算旋转后拟占用矩形区域是否与已布局词组重叠。

5.根据权利要求1所述一种词云图可视化方法，其特征在于：所述步骤六中为产生近大远小的视觉效果，将高频词组尽可能布局在中央，将词组按照快速垂直水平同时在不重叠情况下向中心靠近，再逐像素垂直、水平单方向在不重叠情况下向中心靠近。

6.根据权利要求1所述一种词云图可视化方法，其特征在于：所述步骤八中字模提取，词组布局完成后将其占用的子矩阵和字模重叠像素区置为1，表示已占用，实现词组内部空隙的利用。