[发明专利]一种基于占用矩阵的词云图可视化方法

摘要

字号表示词频可视化文本概要的词云图，以初筛选和归纳性显著提高海量非结构数据使用效率。重叠检测是词云可视化难点，现有算法词组两两比较去重叠，时间复杂度高，速度慢。本发明提出一组基于占用矩阵的词云图可视化方法，包括纵横交错词云、任意角度词云和基于占用矩形的词云。采用占用矩阵、边线检测、随机位置、旋转画布和坐标变换技术，将逐一比较转化为一次计算，复杂度降低，解决任意角度重叠。输入为具有一定格式的文本统计数据，输出为可适形、横向、纵横交错、任意角度、字模提取、近大远小、带分类标签具有随机性的组合布局词云，宏观展示文本重点，直观比较数据差异，可广泛应用于文本挖掘和可视化领域。

主权项

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置为1，表示已占用，转步骤四循环，直至所有词组布局完成；调整占用子矩阵的边界参数控制行间距；步骤八：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：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：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；步骤十三：一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。