[发明专利]一种可学习的海量信息高维图形交互式展示方法

权利要求书

1.一种可学习的海量信息高维图形交互式展示方法，其特征在于，包括如下步骤：

步骤1)信息的特征提取：

1.1)利用关键词提取技术提取出目标的关键词特征信息；

1.2)将目标的信息特征处理成高维空间的位置表示，同时使用词向量word2vec技术，使用预训练word2vec模型，将不同关键词映射为高维空间向量，通过对高维空间中的词向量表示进行加权平均，获取到课程的高维空间位置表示；

步骤2)用户数据和用户交互行为数据的特征提取：

2.1)利用用户填表信息以及关键词提取技术生成用户画像；

步骤3)图形界面生成器,

3.1)利用图卷积技术将文本与用户点击流网络耦合到一起生成每个目标的特征向量；对于文本相似度和用户学习行为流网络，将两个矩阵拼接在一起，得到课程在高维上的表示；

3.2)将特征向量进行降维可视化；使用T-sne增量算法，在高维的相似度空间向低维的相似度空间转换，最后利用力排斥算法将二维空间上的文本点分隔开，得到最终的二维坐标；

步骤4)添加图形交互：

4.1)在客户端实现用户和图形界面的交互操作，并捕捉用户的行为数据；

4.2)根据用户选择的视角、缩放层级来决定目标图形的绘制；

步骤5)用户行为预测模型的训练：

5.1)通过神经网络模型预测在特定图形展示方式下的用户反馈；

5.2)通过将神经网络模型输出的用户交互序列与实际的用户交互序列进行对比，计算损失函数，提升模型的准确度；

步骤6)的拟合与调整：

6.1)通过反向传播和梯度下降方式完成本步骤对图形界面生成器的优化。