[发明专利]一种面向大规模社交媒体数据的简化可视分析方法

权利要求书

1.一种面向大规模社交媒体数据的简化可视分析方法，其特征在于，具体包括如下步骤：

(1)利用LDA主题模型对大规模社交媒体数据进行文本语义分析，获得文本的主题向量表示，并将每个文本划分到其主题向量中最大值所对应的维度，获得每个文本所对应的主题特征；再利用t-SNE模型将文本的主题向量投影至低维空间，并根据低维空间中的数据分布来计算不同主题特征下的分布方差，以此衡量数据的主题特征分布；

(2)设计高效采样模型对大规模社交媒体数据进行采样，在简化大规模社交媒体数据规模的基础上，维持大规模社交媒体数据的主题特征分布，且维持大规模社交媒体数据的时空分布特征，具体方法如下：

(2.1)依次从不同主题特征下随机采样一个数据对象，并计算各个主题特征的置信区间，当所有置信区间不再相互重叠，采样结果则保持了主题特征分布；

(2.2)通过自适应蓝噪声采样算法保持数据的空间分布，即在各个主题特征中提取随机样本点时，根据该点的原始地理空间分布计算其所对应的泊松圆盘；当泊松圆盘与已采样点的泊松圆盘发生冲突，则在该随机样本点所对应的主题特征中进行重新采样；否则，将该随机样本点归入采样结果；

(3)设计可视化图形接口，包括：主题河流图、条形图、矩阵图和主题环图，直观地呈现采样前后大规模社交媒体数据和主题特征的时空分布变化。

2.根据权利要求1所述简化可视分析方法，其特征在于，步骤(2.2)中当重新采样次数达到预设次数时，直接将该随机样本点归入采样结果。