[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

摘要

本发明提出了一种可学习的海量信息高维图形交互式展示方法，在高维的空间中进行图形化方式来展示信息的思路，让信息在高维空间中传达出更多更有效的信息。为了避免在高维空间中产生信息化负载，引入了层次化的展示方式，可以将目标的不同细节信息，组织成图形的多尺度特征，并在图形缩放过程中动态地予以展示。在展示信息的方式上，首创利用表示学习技术和自然语言处理技术来抽取目标特征，根据特征重要程度等指标，赋予特征不同权重的方式，来代替传统的文字介绍的形式，向用户全面且精确地展示目标。能捕捉用户和系统的交互行为，并结合用户的行为数据和待展示的目标本身的固有特征，自动优化展示的图形界面，形成一个无监督的强化学习系统。

主权项

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；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；2.2)利用用户行为数据构建点击流网络；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；3.2)将特征向量进行降维可视化；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。