知识图谱可视分析研究综述

知识图谱是一种以图谱形式描述客观世界中存在的各种实体、概念及其关系的技术,广泛应用于智能搜索、自动问答和决策支持等领域.可视分析技术可以将抽象的知识图谱映射为图形元素,帮助用户直观地感知和分析数据,从而提高知识图谱的构建和表达,也为知识图谱在各个领域的应用提供了有力支持.文中对知识图谱可视分析相关工作进行调研和整理,从知识图谱可视化表现形式、知识图谱构建过程中常用的可视分析方法以及面向应用领域的知识图谱可视分析技术3个方面进行综述;进一步,总结和讨论知识图谱可视分析面临的挑战,并对其未来的发展趋势进行展望.     

大数据可视分析综述

可视分析是大数据分析的重要方法.大数据可视分析旨在利用计算机自动化分析能力的同时,充分挖掘人对于可视化信息的认知能力优势,将人、机的各自强项进行有机融合,借助人机交互式分析方法和交互技术,辅助人们更为直观和高效地洞悉大数据背后的信息、知识与智慧.主要从可视分析领域所强调的认知、可视化、人机交互的综合视角出发,分析了支持大数据可视分析的基础理论,包括支持分析过程的认知理论、信息可视化理论、人机交互与用户界面理论.在此基础上,讨论了面向大数据主流应用的信息可视化技术——面向文本、网络(图)、时空、多维的可视化技术.同时探讨了支持可视分析的人机交互技术,包括支持可视分析过程的界面隐喻与交互组件、多尺度/多焦点/多侧面交互技术、面向Post-WIMP的自然交互技术.最后,指出了大数据可视分析领域面临的瓶颈问题与技术挑战.     

基于Cytoscape.js的Neo4j农药知识图谱Web可视化研究

针对Neo4j知识图谱Web可视化问题,本文以农药知识图谱为例,研究其Web可视化方法。该方法在分析农药知识图谱结构模型的基础上,搭建了基于Flask的农药知识图谱的查询网站,连接neo4j图数据库,从网页获取查询条件,生成用Cypher语言描述的查询语句,通过py2neo对农药知识图谱进行查询,构造网站动态图数据,利用cytoscape.js实现对知识图谱查询结果的Web可视化。     

基于主题的文本可视分析研究

文本可视分析是一个跨学科的领域,涉及文本数据挖掘、计算机图形图像以及人机交互等各方面的知识和技术,可以帮助用户以可视分析的手段交互地分析海量的文本数据内容,提供及时的反馈,发现异常和规则,提取知识以及获取洞察.已被应用在国土安全、商业智能分析以及金融分析等很多不同的领域,受到国内外学术界、工业界以及政府部门越来越多的重视.文中首先简要地介绍了文本可视分析的一般流程;然后系统地介绍了典型的文本分析和可视化技术,并着重讨论这2类研究的最新技术以及发展;最后对全文进行了总结并展望了文本可视分析面临的四大研究挑战:海量数据规模、复杂数据的不确定性、数据融合以及人机交互.     

网络学习中知识可视化效率研究

知识可视化作为现阶段教育领域的热门话题,已经在教育领域中得到了多方面的应用。对于网络学习中知识可视化的应用,人们更多的关注了它的应用指导理论和应用方法,却很少关注知识可视化在网络学习中的效率问题。本文主要针对网络学习中的知识可视化效率进行案例分析,从应用环境,设计方案,可视工具这三方面因素总结影响可视化效率,结合已有的知识可视化理论和建构理论,对如何提高知识可视化的效率提出了相应的解决提案,希望得到教育者的关注和研究。     

时间事件序列数据可视化综述

时间事件序列数据,是由一个或多个记录构成的集合,每个记录由一组带有时间戳的事件类别组成.数据可视化被广泛用于时间事件序列数据的频繁模式发现、相似模式匹配与查询以及潜在阶段模式检测.文中介绍了时间事件序列数据的特征,并重点从时间事件序列数据的可视化呈现方法和可视分析2个方面对已有的工作进行了系统的整理.在可视化呈现方式上,将现有的可视化方法分为4个类别,即基于GanttChart、基于Flow、基于StoryLines及基于矩阵的可视化方法,并分别介绍了相关类别的可视化方法的发展;将可视分析任务总结为4类主要任务,即模式发现与探索、可视化查询、对比分析及结果事件分析,并且从这些可视分析任务的角度总结了现有的可视分析工具.最后,对时间事件序列数据可视化面临的挑战以及未来趋势进行了总结和展望,以期为时间事件序列数据分析提供新的思路.     

语义增强的大规模多元图简化可视分析方法

网络图可视化可以有效展示网络节点之间的连接关系,广泛应用于诸多领域,如社交网络、知识图谱、生物基因网络等.随着网络数据规模的不断增加,如何简化表达大规模网络图结构已成为图可视化领域中的研究热点.经典的网络图简化可视化方法主要包括图采样、边绑定和图聚类等技术,在减少大量点线交叉造成的视觉紊乱的基础上,提高用户对大规模网络结构的探索和认知效率.然而,上述方法主要侧重于网络图中的拓扑结构,却较少考虑和利用多元图节点的多维属性特征,难以有效提取和表达语义信息,从而无法帮助用户理解大规模多元网络的拓扑结构与多维属性之间的内在关联,为大规模多元图的认知和理解带来困难.因此,本文提出一种语义增强的大规模多元图简化可视分析方法,首先在基于模块度的图聚类算法基础上提取出网络图的层次结构;其次通过多维属性信息熵的计算和比较分析,对网络层次结构进行自适应划分,筛选出具有最优属性聚集特征的社团;进而设计交互便捷的多个关联视图来展示社团之间的拓扑结构、层次关系和属性分布,从不同角度帮助用户分析多维属性在社团形成和网络演化中的作用.大量实验结果表明,本文方法能够有效简化大规模多元图的视觉表达,可以快速分析不同应用领域大规模多元图的关联结构与语义构成,具有较强的实用性.     

护理知识图谱中的可视化技术应用

将护理知识图谱引入养老服务行业,能促进护理领域的信息化,使有限护理资源分配更加合理。因此,笔者探讨了护理知识图谱与其可视化的研究背景,从护理指南中提取了护理领域的实体与关联,运用可视化技术研究护理知识图谱的绘制方式。通过多种视图来展示护理知识图谱,并从领域角度对实体做出分析,同时针对这些护理数据设计开发了一种可视化护理实体与关联的编辑工具对其进行补充。在实验部分实现了护理症状的可视化推荐,同时对基于指南的护理知识图谱数据进行了补充。     

面向数据排名的可视分析方法综述

根据属性关键字的大小对数据对象进行排名,能够帮助用户快速而精准地判断和决策.文中对面向数据排名的可视分析进行综述.首先从映射表示大小关系的视觉元素出发,介绍坐标轴位置、长度、角度、面积和亮度/饱和度等视觉元素在排名可视化过程中的设计与应用;然后从数据结构形式出发,介绍多维、时序、空间和拓扑等面向数据排名的可视分析方法;再概述面向数据排名的可视分析技术在经济金融、城市交通和文体传媒等领域的应用研究;最后总结面向数据排名的可视分析面临的挑战,并对未来工作进行了展望.     

结合知识图谱的篮球赛事新闻可视化

体育赛事新闻的可视分析涉及体育赛事分析和新闻可视化,对快速生成赛事新闻报道、增强赛事新闻表现力、辅助赛事分析有重要作用.针对篮球比赛的重要赛事数据,如篮球比赛球员数据、球队数据和比赛的时间、空间数据,辅以知识图谱丰富背景知识,设计了交互式可视化工具.设计的交互可视工具面向数据新闻的制作,以体育赛事新闻的自动报道为需求,除了包括基础数据的概览和统计视图外,还包括赛事背景数据的知识图谱可视设计、赛事时空数据可视视图,让篮球爱好者和普通大众读者拥有多维度的视角去了解篮球赛事的各种信息.实现的可视化系统,通过篮球爱好者、普通大众读者和专业体育新闻记者等用户的评测,在5分制的量化评分下,各可视模块的均分基本在4分以上,证明了知识图谱用于篮球赛事可视化兼具生动性和知识性,可以增强篮球赛事新闻的表现力.