[发明专利]一种图表推荐方法、装置、电子设备及存储介质

说明书

本申请公开了一种图表推荐方法、装置、电子设备及存储介质，涉及深度学习技术领域。具体方案为：根据预先获取的至少一个输入字段，生成至少一个输入字段相对于各个图表的输入向量；将输入向量和预先确定的各个图表对应的特征向量分别进行相似度计算，得到输入向量与各个特征向量的相似度；根据输入向量与各个特征向量的相似度，得到至少一个输入字段对应的目标图表；并将目标图表发送给终端设备。本申请实施例不仅可以有效地减少图表推荐的复杂度，同时还可以提高图表推荐的准确性。

技术领域

本申请涉及人工智能领域，进一步涉及深度学习技术领域，尤其是一种图表推荐方法、装置、电子设备及存储介质。

背景技术

通常情况下，原始的图表制作流程是用户先选定一种图表类型，如折线图、饼图、旭日图等；然后将各个输入字段绑定到图表的各个部分，如X轴、Y轴等。这样的流程要求用户提前了解各类图表的特性，以及各类图表分别适合展示什么样的数据。如果用户不了解各类图表的特征，那么很有可能无法准确地选择出最合适的图表。

在现有的图表推荐方法中，传统的图表推荐策略基于预先定义好的决策树进行推荐。具体地，决策树可以分为多层，每层对输入字段的一种特性进行判定，筛选掉一批图表；走到决策树的最后一层则得到最终的推荐结果。基于决策树的推荐策略在图表种类少，字段简单的场景下是可行的；但是如果图表种类多，字段复杂的场景下，基于决策树的推荐策略则很难给出一个准确的推荐结果。例如，假设目前有45种或者45种以上的图表作为推荐候选，数据字段类型分为3大类和5小类；另外，有些图表特征还有多种自己的特性，比如有的图表适合多单位的度量，有的图表适合展示百分比等。在这种情况下，设计出该场景下的决策树就变得非常困难了。即便该场景下的决策树被设计出来，那么其复杂度也会很高，拓展和维护的成本也会很高。此外，当以后添加了新的图表种类，或者决策过程需要加入新的信息时，如各字段的统计信息，此时很可能要对整棵决策树进行调整，代价非常大；并且，基于决策树的策略的推荐结果一般是一个单一的图表类型，无法给出一个按推荐度排序的推荐列表作为结果。

发明内容

本申请提供了一种图表推荐方法、装置、电子设备及存储介质，不仅可以有效地减少图表推荐的复杂度，同时还可以提高图表推荐的准确性。

第一方面，本申请提供了一种图表推荐方法，所述方法包括：

根据预先获取的至少一个输入字段，生成所述至少一个输入字段相对于各个图表的输入向量；

将所述输入向量和预先确定的各个图表对应的特征向量分别进行相似度计算，得到所述输入向量与各个特征向量的相似度；

根据所述输入向量与各个特征向量的相似度，得到所述至少一个输入字段对应的目标图表；并将所述目标图表发送给终端设备。

第二方面，本申请提供了一种图表推荐装置，所述装置包括：生成模块、计算模块和推荐模块；其中，

所述生成模块，用于根据预先获取的至少一个输入字段，生成所述至少一个输入字段相对于各个图表的输入向量；

所述计算模块，用于将所述输入向量和预先确定的各个图表对应的特征向量分别进行相似度计算，得到所述输入向量与各个特征向量的相似度；

所述推荐模块，用于根据所述输入向量与各个特征向量的相似度，得到所述至少一个输入字段对应的目标图表；并将所述目标图表发送给终端设备。

第三方面，本申请实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任意实施例所述的图表推荐方法。