[发明专利]话单数据关系网络交互式可视化方法

说明书

本发明公开的一种话单数据关系网络交互式可视化方法，旨在提供交互性强的可视化方案。本发明通过下述技术方案实现：结合后续关系网络分析的需求，针对人员信息数据和话单数据进行数据建模，形成话单关系网络分析数据模型；抽取Impala数据库中数据，进行话单关系网络构建；针对话单关系网络进行话单数据挖掘，得到关键人物节点集合；设置点击节点返回下级节点个数阈值TopN和入度阈值InNum和出度阈值OutNum；计算选中节点与所有下级节点间的通联次数，按降序排列，排序前TopN的节点判为密切联系人；根据不同的社会行为规律来判断其分类数据相应的社会关系权值，将各分类结果以表单与图像两种可视化的形式输出。

技术领域

本发明属于数据挖掘分析领域，涉及一种话单数据关系网络交互式可视化方法。

背景技术

在简化数据量和降低大数据应用的复杂性中，大数据分析发挥着关键的作用。可视化是其中一个重要的途径，它能够帮助大数据获得完整的数据视图并挖掘数据的价值。随着大数据时代的来临，各种常见数据分析方法已在研究界和工业界得到广泛研究和应用。伴随可视化技术的发展，基于可视化的分析方法开始在诸多领域发挥重要作用，例如文本分析、社交网络分析、时空数据分析等。数据可视化是将数据以不同形式展现在不同系统中。数据挖掘是一种从大量数据中发现信息的过程，其大量依赖自动算法的特质，使得用户难以对数据和算法过程本身直观地进行理解、探索和优化。随着可视化领域的蓬勃发展，有很多工作开始探究如何使用可视化方法辅助数据挖掘过程，使用户更加直观地理解数据，并对数据和算法进行探索。由于用户需要对数据挖掘结果或过程进行理解、检测和验证，可视化开始成为一种辅助数据挖掘过程的手段，逐步发展出一系列基于可视化的数据挖掘方法并用于辅助增强数据挖掘的可理解性、可交互性，甚至是算法精度等。在数据挖掘领域，数据可视化其本质就是将数据信息以简单、直接的图形方式呈现出来，以此来帮助用户更容易理解数据背后的规律。在从数据转化为可视表达的过程中，数据挖掘方法可以帮助生成数据点在二维平面上的投影。数据挖掘方法作为一类主要的方法，在很多领域都发挥着帮助用户理解数据、发现数据特征，进而辅助推理决策的作用。数据挖掘通常利用自动算法，根据已有数据构建出相应模型，通过对模型进行解释和验证，用户可以从中提取出分析结果或蕴含的知识。可视化方法则通过视觉映射，将输入数据映射为一定的视觉表达形式，用户通过视觉通道从可视化结果中发现和提取符合需求的特征和模式，以生成针对问题的假设。

可视化是一种通过交互式可视化界面来辅助用户对大规模复杂数据集进行分析推理的科学与技术，将数据中各种抽象的信息转化为图形信息，并通过各种图形交互技术，使人们加深对信息的理解和认识。可视化利用计算机将数据转换成可交互的图形化表示，从其本质而言，可视化主要包括两个部分：显示和交互。为了突出后者相关技术与可视化的关系，并且与人机交互等相关学科区分开来，通常称为交互式可视化，因与可视分析有着密切的关系，又称之为交互可视分析。对于交互式可视化方法，视觉模型还可接受用户的交互反馈，并根据反馈生成新的可视化结果。此外，可视化还可以用于提高结果的可解释使得非数据挖掘领域的专家用户也能从算法结果中得出一定的结论。数据挖掘与可视化的终极目标是洞悉蕴含在数据中的现象和规律，这包含多重含义：发现、决策、解释、分析、探索和学习。随着数值模拟规模的不断增大、交互设备的日新月异、可视化需求的日益增高，交互式可视化技术面临新的挑战。已有的交互式可视化技术存在缺乏直观性以及效率不高、交互点定位精度低甚至有误等问题。

随着可视化界对数据挖掘方法的关注度升高，有不少工作已经开始着手对算法过程本身进行展示，用户能够更好地理解计算结果与输入数据、参数之间的关系。决策树因其可解释性较强的特性，在可视化界有不少针对决策树模型的可视化案例。BaobabView是近年来比较综合的决策树可视化系统，它提供了基于节点链接方法的树可视化视图和分类结果混淆矩阵的可视化视图，以及大量的交互方法。用户可以在查看训练生成的决策树结果对决策树直接进行修改，如增删分支、调整判断条件等。然而，大部分数据挖掘模型的可理解程度都较低，对于非数据挖掘领域的用户来说造成了一定的理解困难。可视化在这一方面为用户提供了一定程度上的辅助。