可视化界面生成方法、电子设备及存储介质与流程

1.本发明涉及智能终端技术领域，具体涉及可视化界面生成方法、电子设备及存储介质。


背景技术：

2.随着科技的发展，大屏显示已进入一个快速发展阶段，广泛应用于室内外需要进行服务、宣传和展示信息的公众场所。为了能够更加清晰的展示数据信息，客户对可视化界面的要求越来越高。
3.目前的可视化界面的生成方式一般为在指定画布(例如已确定显示尺寸的大屏显示界面)的前提下，操作者在选择以行业进行区分的主题模板后，再基于所选择的主题模板中不同的展示图表，分别依次导入相对应的待处理数据，以生成相应的可视化界面。如此会使得在展示图表的数量较多的情况下，操作者需要进行的较多的数据导入操作，导致操作时间较长。例如图1所示，在计算机100显示的可视化界面中有20个用于展示不同数据内容的图表，则操作者在操作生成图1所示的可视化界面的过程中，可能需要进行20次数据导入操作。
4.另外，有些可视化界面上的各展示图表之间还存在密切关联关系，例如一些图表上的数据需要基于另一些表格上的计算得到，此时在导入数据时则需要遵循数据之间的关联关系进行导入，这种情形下则需要操作者具备比较强的数据分析能力、并且要对即将导入的各表格数据或者数据库中的数据内容非常熟悉，才能顺利完成数据导入过程。因此，在数据导入的过程中还需要操作者进行大量思考，耗费精力。


技术实现要素：

5.本技术实施例提供了一种可视化界面生成方法、电子设备及存储介质，通过对操作者导入的待处理数据进行预处理分析，以获取数据对应的数据事实(data fact，也可以称为事实特征)，并基于数据事实确定用于展示相应数据事实的图表类型、图表数量以及相匹配的主题模板，再基于相应数据事实的图表类型、图表数量和所匹配的主题模板和所导入的待处理数据生成可视化界面。本技术能够对操作者一次导入的原始数据进行处理并生成符合客户要求的可视化界面或者可视化效果预览界面，不仅降低了操作者导入数据的操作技术门槛，提高了操作者导入数据的操作效率，也能够在一定程度提高操作者服务客户的效率和质量，利于提高客户服务体验。
6.第一方面，本技术实施例提供了一种可视化界面生成方法，应用于电子设备，该方法包括：获取第一数据，其中第一数据为包含待通过可视化界面展示的全部记录项目的数据；对第一数据进行预处理分析，得到第一分析结果，其中第一分析结果至少包括各记录项目的名称、记录项目数量、以及各记录项目对应的数据特征，数据特征至少包括数据数量和数据分布特征；基于第一分析结果确定第一数据事实，其中第一数据事实至少用于描述第一分析结果中的各记录项目的名称、各记录项目对应的数据分布特征、以及各记录项目之
间的数据关联关系；在确定记录项目数量和各记录项目对应的数据特征满足预设的最小可视化条件的情况下，基于第一分析结果以及第一数据事实，生成用于展示第一数据的可视化界面。
7.即操作者可以通过一次导入操作，完成第一数据的导入过程，本技术能够对操作者一次导入的第一数据(即下文实施例中所描述的待处理数据)进行预处理分析确定相应的数据事实，然后在确定所导入数据满足可视化条件的情况下，基于所导入数据及相应的数据事实生成相应的可视化界面。其中，数据事实是指对用于生成可视化界面的导入数据的一个或多个统计函数结果的描述，具体可以参考下文实施例中的相关描述，在此不再赘述。可以理解，本技术提供的上述方法，一般要求操作者进行一次数据导入操作，但在另一些实施例中，也可以设置当操作者需要导入的各记录项目下的数据量太大时，可以允许操作者进行两次或三次等数据导入操作，但无需操作者考虑所导入数据中各记录项目对应的数据之间的关联关系，只需将需要展示的全部数据完成导入即可，在此不做限制。
8.在上述第一方面的一种可能的实现中，电子设备包括预设的多个可视化模板，并且预设的最小可视化条件基于预设的多个可视化模板对记录项目数量以及各记录项目对应的数据数量要求确定。
9.上述可视化模板，例如可以是下文实施例中描述的主题模板，上述电子设备例如可以是下文实施例中描述的计算机100，主题模板可以预设在计算机100的数据库中或者预设在计算机100部署的可视化模型300中，各主题模板对待处理数据对应的记录项目数量、以及各记录项目对应的数据数量可以不同，例如有些主题模板可以要求导入的待处理数据至少包含10条记录项目并且各记录项目对应的数据数量至少为30，另一些主题模板则可以要求导入的待处理数据至少包含20条记录项目并且各记录项目对应的数据数量至少为50，在此不做限制。上述最小可视化条件例如可以是预设的多个主题模板所要求的记录项目数量最小值以及各记录项目对应的数据数量的最小值等，在另一些实施例中，最小可视化条件也可以是基于预设的多个主题模板对导入的待处理数据对应的要求合理设定的条件，以避免导入数据所包含的记录项目过少或者数据数量过少导致生成的可视化界面不完整、或者导致生成可视化界面的过程执行出现问题等，在此不做限制。
10.在上述第一方面的一种可能的实现中，确定记录项目数量和各记录项目对应的数据特征满足预设的最小可视化条件的情形，包括：第一分析结果中的记录项目数量大于或等于预设的记录项目数量下限阈值；并且第一分析结果中的各记录项目对应的数据特征中的数据数量，大于或等于数据数量下限阈值；其中记录项目数量下限阈值为预设的多个可视化模板中对记录项目数量要求的最小值；数据数量下限阈值为预设的多个可视化模板中对各记录项目对应的数据数量要求的最小值。
11.在上述第一方面的一种可能的实现中，基于第一分析结果以及第一数据事实，生成用于展示第一数据的可视化界面，包括：基于第一分析结果以及第一数据事实，确定用于展示第一数据的第一图表参数，第一图表参数至少包括图表类型、图表类型的数量以及各图表类型下的图表数量；基于第一数据事实和第一图表参数，从预设的多个可视化模板中筛选与第一数据相匹配的第一模板；基于第一数据事实、第一图表参数以及筛选确定的第一模板，生成可视化初始界面；基于预设的界面渲染模型、以及第一模板，对生成的可视化初始界面进行效果渲染，生成可视化界面；其中界面渲染模型包括与第一模板的效果渲染
参数。
12.即基于导入的第一数据对应的预处理分析结果(即上述第一分析结果)和相应的数据事实生成可视化界面，包括先生成可视化初始界面、再对所生成的可视化初始界面进行效果渲染的过程等。具体可以参考下文实施例中相关描述，在此不再赘述。
13.在上述第一方面的一种可能的实现中，与第一数据相匹配的第一模板包括多个，并且基于第一分析结果以及第一数据事实，生成用于展示第一数据的可视化界面，还包括：基于第一数据事实、第一图表参数以及筛选确定的多个第一模板，生成多个可视化初始界面；基于预设的界面渲染模型以及多个第一模板，对生成的多个可视化初始界面进行效果渲染生成多个可视化效果预览界面；响应于从多个可视化效果预览界面中选定第一可视化效果预览界面的操作，生成对应于第一可视化效果预览界面的可视化界面。
14.即基于导入的第一数据对应的预处理分析结果(即上述第一分析结果)和相应的数据事实可以匹配多个适合的主题模板，生成多个可视化效果预览界面，供客户选择，如此操作者也可以基于生成的多个可视化效果预览界面向客户介绍不同界面的特点等，最终使客户能够选择符合自己喜好的可视化界面效果，从而可以提高客户服务体验。
15.在上述第一方面的一种可能的实现中，效果渲染参数包括对应于图表组件的界面样式参数、布局参数、颜色配置参数、图表映射关系参数、装饰效果参数以及标题字段描述中的至少一项。
16.在上述第一方面的一种可能的实现中，图表类型包括折线图、柱状图、散点图、饼图、雷达图、统计专题地图、热力图、关系图、漏斗图中的至少一项。
17.第二方面，本技术实施例提供了一种电子设备，包括：一个或多个处理器；一个或多个存储器；一个或多个存储器存储有一个或多个程序，当一个或者多个程序被一个或多个处理器执行时，使得电子设备执行上述可视化界面生成方法。
18.第三方面，本技术实施例提供了一种计算机可读存储介质，存储介质上存储有指令，指令在计算机上执行时使计算机执行上述可视化界面生成方法。
19.第四方面，本技术实施例一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述可视化界面生成方法。
20.上述计算机程序产品，例如可以是实施本技术的可视化界面生成方法的可视化操作平台，该可视化操作平台可以基于本技术的可视化界面生成方法对导入平台的待处理数据进行上述处理并生成相应的可视化界面。在另一些实施例中，上述计算机程序产品也可以是基于本技术方法生成的可视化编码，该可视化编码运行时可以使电子设备显示相应的可视化界面。在此不做限制。
附图说明
21.图1所示为本技术实施例所提供的一种可视化界面示意图。
22.图2a所示为本技术实施例所提供的一种基于本技术的可视化界面生成方法完成待处理数据的一次导入后的页面示意图。
23.图2b所示为本技术实施例所提供的一种基于本技术的可视化界面生成方法生成的可视化效果预览界面的页面示意图。
24.图3所示为本技术实施例所提供的一种可视化界面生成方法的应用场景示意图。
25.图4所示为本技术实施例所提供的一种可视化界面生成方法的实施流程示意图。
26.图5所示为本技术实施例所提供的一种事实主题生成模型310的训练过程示意图。
27.图6所示为本技术实施例所提供的一种界面渲染模型321的训练过程示意图。
28.图7所示为本技术实施例所提供的一种可视化界面生成模型320的训练过程示意图。
29.图8所示为本技术实施例所提供的一种计算机100的结构示意框图。
具体实施方式
30.为了解决上述可视化界面生成过程中，需要操作者耗费大量时间和精力进行数据导入操作的问题，本技术提供了一种可视化界面生成方法，可以对操作者导入的待处理数据进行预处理分析，以获取数据对应的数据事实(data fact，也可以称为事实特征)，并基于数据事实确定用于展示相应数据事实的图表类型、图表数量以及相匹配的主题模板，再基于相应数据事实的图表类型、图表数量和所匹配的主题模板和所导入的待处理数据生成可视化界面。其中，数据事实是指对用于生成可视化界面的导入数据的一个或多个统计函数结果的文本描述，例如对于某个产品的销售统计数据中，数据事实则用于描述该销售统计数据中包含销售量、销售人员、销售时间等统计类别的描述、以及销售量与销售人员的对应关系可以反映销售人员的业绩优劣等事实。
31.基于本技术所提供的可视化界面生成方法，在生成可视化界面的过程中操作者仅需进行一次数据导入操作，便可以生成相应的可视化界面。如此，本技术方案能够简化操作者的数据导入操作，降低操作者导入数据的操作技术门槛，提高数据导入效率，并且基于本技术方案所生成的可视化界面中的各展示区域对应的各种数据组合可以是基于机器学习筛选的符合行业特点的最优数据组合，即在相应行业内具有较强的数据分析意义的数据组合，因此，基于本技术方案所生成的可视化界面能够基于不同行业的数据匹配相应行业特点主题，因而也能获得客户较高的满意度。
32.图2a至图2b根据本技术实施例示出了一种基于本技术的可视化界面生成方法完成待处理数据的一次导入后的页面示意图以及对应生成的可视化效果预览界面的页面示意图。
33.如图2a所示，数据可视化操作平台的操作页面210包括导入数据显示区域220、功能菜单选项区域230、以及一键大屏按钮240和返回按钮250。
34.其中数据显示区域220中可以显示所导入的待处理数据，操作者可以在数据显示区域220中查看所导入的待处理数据中的统计类别221、以及各统计类别221所对应的统计数据222，以确定所导入的数据是否准确。可以理解，每个统计类别221下的统计数据222的数量较多，数据显示区域220的下部区域可以显示待处理数据的总项数223以及每页所显示的项数224和翻页功能按钮225，操作者可以点击翻页功能按钮225中的页数按钮或者上一页、下一页按钮查看数据显示区域220显示的其他数据页面。
35.功能菜单选项区域230包括数据探索231、基本设置232等平台功能按钮，数据探索231对应的功能页面可以导入待处理数据以及对导入的待处理数据进行查看、或者进行“一键大屏”生成可视化界面等，数据探索231对应的功能页面可以参考图2a所示的操作页面210；基本设置232则对应于数据可视化操作平台中的一些基本选项设置，例如文件存储位
置、生成的可视化编码存储位置等设置。
36.一键大屏按钮240则用于触发基于所导入的待处理数据生成可视化界面的过程，操作者点击一键大屏按钮240可以进入图2b所示的可视化效果预览界面的选择页面260，也就是说，在生成可视化界面之前，可以先生成一个或多个可视化效果预览界面供客户选择。另外，操作者在操作页面210还可以点击返回按钮250返回到上一页面，上一页面例如可以是数据导入页面。
37.如图2b所示，可视化效果预览界面的选择页面260包括预览界面显示区域261、上一个按钮262、下一个按钮263和保存按钮264。其中，预览界面显示区域261用于显示基于本技术的可视化界面生成方法所生成的可视化效果预览界面，操作者或者客户可以点击下一个按钮263切换到下一个可视化效果预览界面进行浏览，或者点击上一个按钮262切换到已浏览过的上一个可视化效果预览界面，最终操作者或者客户可以点击保存按钮264选择当前显示的可视化效果预览界面，计算机100所运行的数据可视化操作平台将基于客户或者操作者所选择的可视化效果预览界面，生成相应的可视化界面。
38.可以理解，通过实施本技术的可视化界面生成方法，操作者可以在计算机100所显示的图2a所示的操作页面210上进行一次数据导入操作，然后点击一键大屏按钮240即可生成可视化效果预览界面，进入图2b所示的可视化效果预览界面的选择页面260，如此，本技术大大简化了操作者的数据导入操作，提高操作效率。另外，在图2b所示的选择页面260上，客户可以选择符合自己偏好的可视化效果预览界面，操作者还可以针对客户所提供的待处理数据以及客户所从事的行业发展趋势等，引导客户选择合适的可视化效果预览界面等，待客户选择完毕操作者即可操作计算机100生成相应的可视化界面。如此，也利于提高客户满意度，提高操作者服务客户的效率和服务质量，在此不再赘述。
39.可以理解，本技术上述提及的可视化界面生成方法可以由计算机执行，可实施的，可以基于计算机内置的能够执行上述各功能的算法规则来实现，或者计算机内置的基于训练好的具有上述各功能神经网络模型来实现，或者基于计算机内置的算法规则和神经网络模型共同搭建的模型来实现。下面以基于算法规则和神经网络模型共同搭建的模型，以下称为可视化模型，来实施本技术的可视化界面生成方法为例，介绍本技术方案实现的各个方面。
40.在一些实施例中，如图3所示，本技术实施例提供的可视化模型可以通过服务器200训，并通过服务器将训练好的模型部署在计算机100上。其中，可视化模型300可以包括事实主题生成模型310和可视化界面生成模型320。
41.可以理解，本技术的可视化界面生成方法所适用的电子设备可以包括但不限于计算机100、平板电脑、桌面型、膝上型、手持计算机、上网本等能够嵌入或耦接有一个或多个处理器的其他电子设备，在此不做限制。为了便于描述，本技术继续以电子设备100为计算机100来介绍本技术技术方案的实现过程。
42.图4根据本技术实施例示出了本技术的可视化界面生成方法的实施流程示意图。
43.可以理解，图4所示流程的各步骤的执行主体均为计算机100，例如计算机100通过运行数据可视化操作平台来执行图4所示流程中的各步骤，因此在以下各步骤的描述中，不再重复描述各步骤的执行主体。
44.如图4所示，该实施流程主要包括以下步骤：
45.401：获取操作者导入的待处理数据，并对所导入的待处理数据进行预处理分析。其中，预处理分析包括对待处理数据进行字段分析，并基于分析得到的字段类型和字段特征进行字段筛分，删除无用字段等数据处理过程。
46.示例性地，操作者可以在计算机100运行的数据可视化操作平台界面上导入待处理数据，其中所导入的待处理数据可以是表格(excel)文件、csv(comma separate values)文件、txt文件、数据流格式(dat)文件、shp文件、kml文件或者数据库等文件类型存储的数据，在此不做限制。以表格文件存储的数据为例，该表格文件例如可以是计算机100所运行的数据可视化操作平台提供的一个总表模板存入某个行业的各种统计类别下的统计数据后生成的文件，该表格文件存储的总表数据可以包含需要分析的所有统计类别以及各统计类别下的海量数据，其中各统计类别下的海量统计数据可以包括数值型数据、文本数据或者时间数据等，在此不做限制。计算机100获取操作者导入的表格文件后，可以对其中存储的总表数据进行字段分析，例如分析总表数据中包含哪些字段类型的数据，以及各类型的数据具有哪些字段特征等。
47.其中字段类型可以指该字段的属性类型，计算机100对导入的待处理数据进行字段分析后得到的字段类型例如包括时间字段、地理字段、数值型字段等；而分析得到的字段特征则可以是对数据的分布或变化趋势等方面的特征描述信息，例如包括同一类型字段对应的数据的趋势性描述、数据变化幅度等特征值。
48.接着，计算机100可以对分析得到的字段类型和字段特征与预设的字段筛分条件进行比对，删除无用字段。其中，无用字段例如包括分析得到的字段类型不属于预设统计维度的字段类型，其中预设统计维度可以基于数据可视化操作平台中预置的各主题模板所涉及的数据统计维确定，也可以基于操作者的设置确定，在此不做限制。
49.可以理解，操作者在计算机100显示的操作页面操作导入的待处理数据，可以显示在操作页面上供操作者检查导入数据是否有误等，参考上述图2a所示的操作页面210，该页面上显示的待处理数据例如可以是经字段分析后得到的包括字段类型、字段特征的数据，例如操作页面210上的数据显示区域620内的统计类别221可以对应于分析得到的各类型字段，各统计类别221所对应的统计数据222则可以体现字段特征。
50.402：基于对待处理数据的预处理分析结果判断待处理数据是否满足最小输入条件。其中，预处理分析结果例如包括经字段分析及字段筛分处理后得到的各字段类型及各字段特征等。在本步骤的执行过程中，如果判断结果为是，表明待处理数据满足可视化展示条件，则可以进一步执行下述步骤403；如果判断结果为否，表明待处理数据不满足可视化展示条件，无法生成可视化界面，则执行下述步骤406。
51.示例性地，上述最小输入条件例如是可以是：预置的100个主题模板中要求的字段类型最小数量，例如至少10个字段类型，以及预置的100个主题模板中要求的各字段类型下的最小数据量，例如每个字段类型下至少有50个统计数据。可以理解，上述步骤401中计算机100筛分得到的字段类型和字段特征对应的数据参数至少满足上述最小输入条件，数据可视化操作平台才有可能基于待处理数据生成可视化界面。因此，计算机100运行的数据可视化操作平台如果判断筛分后的字段类型和字段特征满足上述最小输入条件，则表明待处理数据满足可视化展示条件；如果判断筛分后的字段类型和字段特征不满足上述最小输入条件，则则表明待处理数据不满足可视化展示条件。
52.可以理解，在另一些实施例中，上述最小输入条件也可以是基于其他字段参数设置的判断条件，以保障后续数据处理流程中能够基于满足可视化展示条件的待处理数据生成可视化界面，在此不做限制。
53.403：基于对待处理数据的预处理分析结果，分析相应的数据事实，并基于数据事实确定用于展示相应数据事实的图表类型、图表数量以及相匹配的主题模板。
54.示例性地，计算机100可以基于对待处理数据进行预处理分析得到的各字段类型、字段特征等，分析待处理数据内容对应的若干数据事实。基于分析得到的数据事实，计算机100可以进一步确定适于展示相应数据事实的图表类型、图表数量等，然后基于上述数据事实以及相应图表类型、图表数量所对应的描述参数等，从预置的主题模板中匹配筛选出一个或多个优选的主题模板。如前所述，预置的多个主题模板可以是以行业主题进行区别的模板，各主题模板上例如可以包括行业识别信息等，以满足导入数据为不同行业数据时的各种可视化需求。
55.可以理解，计算机100可以通过调用可视化模型300中的事实主题生成模型310来执行上述步骤401及本步骤对待处理数据进行的处理过程，将在下文介绍事实主题生成模型310的训练及所执行的数据处理功能的过程中具体描述，在此不再赘述。
56.404：基于上述步骤分析得到的数据事实、所确定的图表类型、图表数量以及所匹配的主题模板，生成相应的可视化效果预览界面。
57.示例性地，计算机100基于上述步骤403中分析得到的数据事实以及所确定的用于展示相应数据事实的图表类型、图表数量和主题模板等，进行主题事实修正处理后依次生成相应地图表组件组成可视化初始界面，并完成对可视化初始界面的样式、布局、颜色、装饰等方面的效果渲染，生成可视化效果预览界面。可以理解，上述步骤403中计算机100从预置的主题模板中匹配到的每个主题模板在本步骤中最终都可以对应生成一个可视化效果预览界面，供客户选择。
58.可以理解，计算机100可以通过调用可视化模型300中的可视化界面生成模型320来执行，在此不做限制。其中可视化界面生成模型320执行本步骤生成对应的可视化效果预览界面或者可视化界面的具体过程，将在下文介绍可视化界面生成模型320的训练及所执行的界面处理功能的过程中具体描述，在此不再赘述。
59.405：基于客户所选择的可视化效果预览界面，生成相应的可视化界面。
60.示例性地，客户可以在计算机100运行的数据可视化操作平台页面上显示的多个可视化效果预览界面中选择符合自己个人偏好的界面效果，进行确认操作后，计算机100运行的数据可视化操作平台则可以生成符合客户偏好的可视化界面。可以理解，对应于所生成的可视化界面，计算机100运行的数据可视化操作平台可以形成相应的可视化编码并存储在计算机100的存储中或者上传至云端，以供客户在其他电子设备上访问指定网页运行该可视化编码，显示可视化界面，从而便于客户使用所生成的可视化界面。
61.406：结束本流程，显示待处理数据不满足可视化展示条件的提示页面。
62.示例性地，在上述步骤402中如果判断结果为否，即待处理数据不满足可视化展示条件，则无法生成可视化界面，计算机100所运行的数据可视化操作平台的页面上可以显示弹窗提示，提示所导入待处理数据不满足可视化展示条件，同时也可以引导操作者重新导入待处理数据。
63.如上所述，本技术的可视化界面生成方法可以基于一个训练好的可视化模型300来实现。该可视化模型300可以是基于算法规则和神经网络模型搭建的具有能够对待处理数据进行预处理分析、匹配主题模板、生成图表组件以及可视化初始界面、以及进行界面效果渲染生成可视化效果界面或者可视化界面的一系列数据可视化处理的模型，即该可视化模型能够执行上述图4所示流程中的各步骤，完成可视化界面的生成。
64.具体地，参考上述图3所示的场景10，该可视化模型300包括能够对一次导入的待处理数据进行预处理分析、匹配主题模板的模板选择部分(即上述图3所示的事实主题生成模型310)，以及能够基于模板选择部分的预处理分析结果及所匹配的主题模板，生成图表组件以及可视化初始界面、以及进行界面效果渲染生成可视化界面的界面生成部分(即上述图3所示的可视化界面生成模型320)。其中，界面生成部分在最终生成可视化界面之前，可以先生成一个或多个可视化效果预览界面，供客户选择，如此则可以生成更加符合客户要求的可视化界面。
65.另外，本技术方案所基于的可视化模型300还可以将客户的满意度作为反馈评分，例如该反馈评分可以用来优化可视化界面生成模型320中的界面渲染模型403中的相关参数以进一步优化最终生成的可视化界面所呈现的界面样式效果，从而进一步提高客户满意度。
66.可以理解，在本技术的各实施例中，可视化模型的这两个部分(模板选择部分和界面生成部分)可以基于同一类型或不同类型神经网络模型来实现，也可以基于算法规则或者算法规则与神经网络模型的结合来实现。例如，模板选择部分(即下述事实主题生成模型310)可以基于数据特征分析算法以及排序算法、密度聚类算法(density
‑
based spatial clustering of applications with noise，dbscan)等来实现，界面生成部分(即下述可视化界面生成模型320)可以基于卷积神经网络(convolutional neural network，cnn)或者循环神经网络(recurrent neural network，rnn)来实现，作为示例，在本技术的实施例中，可视化界面生成模型320的界面渲染模型321可以基于transformer模型来实现。其中，密度聚类算法可以用于计算目标对象的分布密度，并基于计算得到的分布密度来对目标对象进行聚类，例如对属于同一类型的图表划分到同一簇中，后续生成的可视化界面上将可以通过一个展示区域展示同一簇中的各图表，它是一种基于密度的聚类算法。
67.以处理操作者一次导入的待处理数据为表格文件存储的表格数据为例，可视化模型300中的事实主题生成模型310可以对导入的表格数据进行预处理分析，得到对应于该表格数据内容的一个或多个数据事实，并且可以通过密度聚类算法对基于数据事实确定的图表类型以及各图表类型下的图表进行基于密度的聚类，以确定用于呈现数据事实的图表对应的分布参数等，然后事实主题生成模型310可以基于各数据事实、对应于数据事实的图表的分布参数等，来计算预置的主题模板与所导入数据之间的匹配度，例如事实主题生成模型310可以通过执行排序算法筛选出匹配度高于预设值的一个或多个优选的主题模板。可以理解，事实主题生成模型310处理得到的数据事实、图表类型、相应图表类型下图表的分布参数等、以及筛选得到的多个主题模板，可以作为可视化模型300中的可视化界面生成模型320的输入数据。
68.可以理解，事实主题生成模型310所确定的与数据事实相匹配的图表类型，可以包括但不限于折线图、柱状图、散点图、饼图、雷达图、统计专题地图、热力图、关系图、漏斗图
等，在此不做限制。
69.继续参考图3所示场景10，可视化模型300中的可视化界面生成模型320获取事实主题生成模型310处理得到的各数据事实、图表类型、相应图表类型下图表的分布参数等、以及所匹配的一个或多个主题模板之后，修正其中异常的数据事实或图表类型并执行组件编码生成相应的图表组件组成可视化初始界面。可视化界面生成模型320可以进一步通过预先训练好的界面渲染模型321对所生成的可视化初始界面的样式、布局、颜色、装饰等进行效果渲染，最终生成可视化界面，输出可视化模型300。其中，在可视化模型300最终生成相应的可视化界面之前，可以生成对应于事实主题生成模型310所匹配的多个主题模板生成多个可视化效果预览界面供客户选择，最终将客户所选的可视化效果预览界面对应的可视化界面生成并输出。
70.可以理解，上述可视化界面生成模型320所修正的异常的数据事实例如可以是完全离散的数据所对应的数据事实，异常的图表类型例如可以是全部图表均为趋势分析线图或者均为柱状图等极端情形、或者是相邻且连续区域内的图表类型重合率高于预设值的情形等，这些异常事实或者异常图表类型不利于生成与数据事实相对应的可视化界面，或者可能会导致最终生成的可视化界面的各展示区域的显示效果单一，数据对比不明显，从而达不到客户的可视化效果要求，因此需要进行修正。
71.具体地，在一些实施例中，服务器200能够通过样本数据来训练界面渲染模型321，服务器200所训练得到的界面渲染模型321应当能够对基于数据事实以及所确定图表类型等生成的图表组件构成的可视化初始界面进行效果渲染。完成训练后，可以将训练好的界面渲染模型321嵌入可视化模型300中的可视化界面生成模型320中执行对可视化初始界面的效果渲染功能，该嵌入过程例如可以是将界面渲染模型321的输入层数据接口与可视化界面生成模型320中用于执行组件编码生成相应图表组件的功能模块的数据输出接口进行对接，并将界面渲染模型321的输出层数据接口与可视化界面生成模型320中用于基于渲染后的可视化初始界面生成可视化界面或者可视化效果预览界面的功能模块的数据输入接口进行对接。
72.在包括事实主题生成模型310和可视化界面生成模型320的可视化模型300完成搭建之后，可以继续服务器200上对搭建完成的可视化模型300输入一次导入的总表数据样本进行初始化训练，进而使得最终训练得到的可视化模型300能够处理一次导入的总表数据生成相应可视化界面。可以理解，当服务器200完成可视化模型300的全部训练之后，可以将训练好的可视化模型300部署到计算机100上执行可视化界面的生成任务。
73.可以理解，在本技术的另一些实施例中，上述训练可视化模型300的服务器200，还可以是膝上型计算机、台式计算机、平板计算机等嵌入或耦接有一个或多个处理器的电子设备。以下以训练可视化模型300的电子设备300为服务器为例，介绍可视化模型300中的各部分的训练过程。可以理解，可视化模型300中各部分的训练过程，也是可视化模型300在各部分的配合对待处理数据进行预处理分析、匹配主题模板、生成图表组件以及可视化初始界面、以及进行界面效果渲染生成可视化效果界面或者可视化界面的一系列数据可视化处理过程。其中，训练好的可视化模型300部署到计算机100之后，可以存入计算机100的模型库，供计算机100所运行的数据可视化操作平台调用来进行数据可视化处理。
74.如前所述，在本技术的一些实施例中，可以在服务器200通过相应的样本数据训练
事实主题生成模型310和可视化界面生成模型320，其中在训练可视化界面生成模型320之前可以先训练界面渲染模型321，然后将训练好的界面渲染模型321嵌入包括可视化界面生成模型320再进行可视化界面生成模型320的训练过程。完成上述事实主题生成模型310和可视化界面生成模型320的训练之后，可以将事实主题生成模型310的输出端数据接口与可视化界面生成模型320的输入端数据接口进行对接，生成可视化模型300。
75.下面先结合在服务器200上训练样本数据训练事实主题生成模型310、可视化界面生成模型320以及界面渲染模型321的训练流程图，介绍本技术的可视化模型300的训练过程。
76.图5根据本技术实施例示出了事实主题生成模型310的训练过程示意图。如上所述，事实主题生成模型310可以是基于算法规则实现相应功能的模型，因此在训练事实主题模型之前可以将基于各种算法规则搭建的事实主题生成模型310预置到服务器200中，执行图5所示的训练过程。可以理解，图5所示的训练过程中的各步骤执行主体可以是预置在服务器200上的事实主题生成模型310。
77.示例性地，如图5所示，该训练过程主要包括以下步骤：
78.501：获取样本数据，分析所获取样本数据得到对应的字段类型和字段特征。
79.示例性地，服务器200可以预先获取用于训练事实主题生成模型310的样本数据，该样本数据例如是上述总表数据，事实主题生成模型310对所获取的样本数据进行字段分析得到相应的字段分析结果，包括字段类型、字段特征等。字段分析所得到的字段类型、字段特征等，具体可以参考上述步骤401中的相关描述，在此不再赘述。
80.可以理解，用于训练事实主题生成模型310的样本数据对应的数据类型，应与后续利用可视化模型300为满足客户需求所处理的导入数据的数据类型相匹配，例如后续利用可视化模型300处理的导入数据为表格文件存储的表格数据，则用于训练事实主题生成模型310的样本数据也应采用表格数据，例如上述总表数据。后续利用可视化模型300处理的导入数据的数据类型，例如还可以是上述csv文件、txt文件、dat文件、shp文件、kml文件或者数据库等文件类型存储的数据，在此不做限制。
81.502：穷举字段类型组合。
82.示例性地，事实主题生成模型310可以基于预设的穷举算法对样本数据对应的字段类型进行自由组合得到全部可能的字段类型组合，其中事实主题生成模型310所执行的穷举算法可以设置具有数据分析意义的组合形式，例如可以设置穷举一级组合字段和二级组合字段，其中一级组合字段是指两个字段类型组合，例如a
‑
b，其中a、b分别表示一个字段类型，基于该一级组合字段能够分析两个字段类型之间的关系曲线或者其中一个字段类型下的数据变化趋势等，具有数据分析意义；二级组合字段则指至少包含三个字段类型、并且所包含的字段类型构成具有两层拓扑结构的树型关系，例如a
‑
b
‑
c，其中a、b、c分别表示一个字段类型，基于该二级组合字段可以分析三个字段类型之间的深度关联关系，例如a
‑
b
‑
c可以用于分析a
‑
b的关联关系、b
‑
c的关联关系，以及a、c对b的权重影响关系等，也具有数据分析意义。在另一些实施例中，也可以设置事实主题生成模型310基于预设的穷举算法穷举其他具有数据分析意义的组合形式，在此不做限制。
83.503：基于穷举得到的字段类型组合以及各字段类型下数据的字段特征，确定对应于各组合字段的数据事实。
84.示例性地，上述步骤502中事实主题生成模型310对样本数据对应的字段类型进行自由组合得到的全部可能的字段类型组合(即完成穷举)后，所得到的各组合字段可以分别用于表示一个数据关联关系，该数据关联关系结合各组合字段中的每个字段类型下的数据字段特征，能够确定各组合字段对应的数据事实。如上所述，数据事实是指对样本数据的一个或多个统计函数结果的文本描述，数据事实可以在一定程度上表示各组合字段所具有的数据分析意义。作为示例，例如一个组合字段是“销量
‑
时间”，则该组合字段对应的数据事实则可能是用于分析销量随时间的变化趋势的趋势型数据组合，具有数据分析意义；而另一个组合字段“销量
‑
销售人员性别”对应的数据事实则可能是一个具有数据分析意义的文本描述。可以理解，数据事实是否具有数据分析意义，可以基于各行业的客户是否能基于该数据事实进行总结、决策、成果展示或者计划调整等来确定，具有数据分析意义的数据事实例如可以包括趋势型数据、分布型数据、相关性分析型数据等，在此不做限制。
85.504：对所确定的各数据事实进行筛分，删除无意义的数据事实。
86.示例性地，事实主题生成模型310所穷举的全部组合字段中，有一些组合字段所对应的数据事实不具有数据分析意义，即属于无意义的数据事实，在后续的数据可视化处理过程中可能会成为干扰数据，因此需要删除。
87.505：基于筛分后的数据事实，确定适于展示各数据事实的图表类型、以及各图表类型下对应于各数据事实的图表数量。
88.示例性地，事实主题生成模型310可以基于上述步骤504中完成筛分后保留下来的数据事实，确定相对应的图表类型，例如上述示例的“销量
‑
时间”组合字段对应的数据事实，可以采用趋势分析线图来呈现。可以理解，上述步骤504中完成筛分后保留下来的多个数据事实可能对应于多种图表类型，每种图表类型下对应于各组合字段的数据事实的图表可能也会确定出多个，其中相同图表类型下的多个图表例如可以基于相应数据事实的分析意义大小、或者各图表对应的数据字段特征确定在可视化界面显示的优先级，例如对于某个行业内的客户普遍较为关注的组合字段对应的数据展示图表，可以在后续生成的可视化界面中的相应显示区域内优先展示，在此不做限制。
89.506：对所确定的图表类型、以及各图表类型下的图表数量对各图表进行聚类分析，确定各图表的分布参数。其中，分布参数例如可以包括各图表类型所需的展示区域大小参数、各类型中的图表之间的相对距离参数以及各图表类型对应的展示区域之间的相对距离参数等，在此不做限制。
90.示例性地，事实主题生成模型310可以基于预设的密度聚类算法对所确定的适于展示各数据事实的图表进行聚类分析，例如对属于同一类型的图表划分到同一簇中，后续生成的可视化界面上将可以通过一个展示区域展示同一簇中的各图表。
91.507：基于所确定的数据事实、以及对应的图表分布参数，确定样本数据与预置的各主题模板之间的匹配度。
92.示例性地，事实主题生成模型310中可以预置多个主题模板，例如预置50个不同行业主题的可视化模板，事实主题生成模型310可以获取各主题模板所呈现的行业数据样本的数据事实以及所采用的各图表的分布参数等，与样本数据所对应的数据事实、图表分布参数等进行匹配度计算，例如可以通过预设的匹配算法计算匹配度，或者通过对主题模板所呈现的行业数据与样本数据所对应的数据事实、图表分布参数进行相似度分析来确定匹
配度，在此不做限制。
93.508：基于所确定的匹配度，确定满足筛选条件的至少一个主题模板，作为展示样本数据所依据的模板。
94.示例性地，上述筛选条件例如可以是基于匹配度的筛选条件，事实主题生成模型310中可以基于所确定的匹配度，执行预设的排序算法，对预置的各主题模板按照匹配度由高到低的顺序进行排列，并从中筛选出匹配度最高的一个主题模板、或者筛选出匹配度满足阈值条件的多个匹配度较高的主题模板，作为展示样本数据所依据的模板。
95.可以理解，在上述步骤501至508的训练过程中，可以基于事实主题生成模型310最终输出的数据事实、图表类型、图表数量和主题模板等与样本数据的适配程度，来调整事实主题生成模型310中预设的用于执行上述步骤501至508中各步骤对应功能的算法规则中的相关参数或者编码规则等，以使事实主题生成模型310在经过上述步骤501至508的训练过程后，能够基于输入的样本数据，输出与该样本数据内容相适配的数据事实、图表类型、图表数量以及适于展示该样本数据的一个或多个主题模板。在此不做限制。
96.可以理解，在另一些实施例中，事实主题生成模型310也可以基于神经网络模型训练得到，例如可以通过训练transformer模型学习样本数据与对应的数据事实、图表类型、图表数量以及主题模板之间的对应关系得到基于transformer模型的事实主题生成模型310，在此不做限制。
97.可以理解，基于上述步骤501至508的过程训练得到的事实主题生成模型310，可以在部署到计算机100上之后，直接在计算机100执行上述步骤503的过程中被调用，在此不做限制。在另一些实施例中，在上述步骤501与步骤502之间，训练事实主题生成模型310的过程也可以包括训练基于样本数据判断该样本数据是否符合最小输入条件的过程，即在上述步骤501与步骤502之间加入上述步骤502所描述的执行过程训练事实主题生成模型310，使事实主题生成模型310能够在嵌入可视化模型300之后，可视化模型300能够执行上述步骤401至406的可视化界面生成方法的实施过程，在此不做限制也不再赘述。
98.可以理解，事实主题生成模型310最终输出的数据事实、图表类型、图表数量和主题模板等，可以作为可视化界面生成模型320的输入样本数据，继续用于训练可视化界面生成模型320，具体将在下文详细介绍，在此不再赘述。
99.在介绍可视化界面生成模型320的训练过程之前，下面先结合附图介绍界面渲染模型321的训练过程。
100.图6根据本技术实施例示出了界面渲染模型321的训练过程示意图。
101.示例性地，如图6所示，该训练过程主要包括以下步骤：
102.601：服务器200获取用于训练界面渲染模型321的样本数据库。其中，组成该样本数据库的样本数据为基于各个行业的统计数据所生成的可视化编码模板数据，该可视化编码模板数据中的可视化编码在计算机100等电子设备上运行时可以显示可视化界面，可以理解，用于训练界面渲染模型321样本数据库可以包括多个行业统计数据对应的样本数据，进而能使训练得到的界面渲染模型321能够适应各个行业特点完成对相应行业内的可视化初始界面的效果渲染。
103.示例性地，在服务器200训练界面渲染模型321之前，可以采集大量的可视化编码模板数据及其对应的统计数据，并对采集到的每个可视化编码模板数据分析相应的可视化
界面参数，包括图表组件相关参数(或者称为可视化初始界面参数)、界面样式参数、布局参数、颜色配置参数、图表映射关系参数、装饰效果参数以及标题字段描述等效果渲染参数。其中，可视化初始界面参数例如可以包括图表类型、图表数量以及布局参数等参数；界面样式参数例如可以包括组成相应可视化界面的图表组件类型、排布样式等；布局参数例如可以包括各图表组件之间的相对位置关系、各图表组件位于相应可视化界面上的位置描述参数等；颜色配置参数例如可以包括各图表组件对应的色值参数、颜色渐变参数等；图表映射关系参数例如可以包括相同功能类型的不同图表之间的映射转换关系参数，比如用于展示数据变化趋势的折线图可以转换成同样用于展示数据分布趋势的面积图、再比如用于展示数据分布规律的饼图可以转换成玫瑰饼图等；装饰效果参数例如可以包括各图表上用于突出局部数据的动画效果参数、以及可视化界面中各展示区域之间的分隔线样式参数等；标题字段描述例如可以包括各图表所展示的数据事实对应的标题文字信息等，例如本月销量表可以用于展示销量与时间的变化关系等。
104.可以理解，对采集到的每个可视化编码模板数据分析相应的可视化界面参数后，可以得到包括可视化初始界面参数和对应的界面样式参数、布局参数、颜色配置参数、图表映射关系参数、装饰效果参数、标题字段描述等效果渲染参数以及对应的可视化编码的样本数据，大量的样本数据形成用于训练界面渲染模型321的样本数据库。
105.可以理解，服务器200获取的样本数据库可以是对应于各个行业的统计数据的可视化编码模型数据的数据库，以使训练得到的界面渲染模型的603在对基于导入数据生成的可视化初始界面进行渲染时，对应的渲染效果能够使最终生成的可视化界面更加契合相应行业对应的数据可视化界面的主流审美习惯等，从而利于提高客户对最终生成的可视化界面的满意度。具体将在下文中详细介绍，在此不再赘述。
106.602：服务器200将样本数据输入待训练的transformer模型，建立从可视化初始界面参数到可视化编码的映射模型。
107.示例性地，在训练界面渲染模型321时，服务器200首先要对训练所用到的上述样本数据做特征提取，然后输入待训练的transformer模型进行训练，用于学习从可视化初始界面参数到可视化编码的映射关系，进而建立从可视化初始界面参数到可视化编码的映射模型。其中，服务器200对样本数据做特征提取是为了将样本数据中各参数、编码数据等转换成transformer模型能够读取的特征向量集或者矩阵集合。在另一些实施例中，transformer模型也可以学习从可视化初始界面参数到可视化界面参数集合的映射关系，其中可视化界面参数集合包括上述界面样式参数、布局参数、颜色配置参数、图表映射关系参数、装饰效果参数、标题字段描述等，最终建立从可视化初始界面参数到可视化界面参数集合的映射模型，此种情形下在该映射模型之后还需要配置一个编码模型，能够基于映射模型输出的可视化界面参数生成相应的可视化编码。在此不做限制。
108.可以理解，服务器200可以对样本数据库中的各样本数据逐个(one by one)进行提取特征处理并输入待训练的界面渲染模型321进行训练，也可以对样本数据库中的各样本数据分批(batch by batch)进行提取特征处理并输入待训练的界面渲染模型321进行训练，在此不做限制。
109.603：服务器200得到训练好的映射模型，即界面渲染模型321。
110.示例性地，通过重复上述步骤601至602的训练过程，服务器200可以训练得到能够
对应于各个行业的统计数据对应的可视化初始界面进行效果渲染的界面渲染模型321。
111.可以理解，在另一些实施例中，也可以通过服务器200基于样本数据训练其他神经网络模型得到界面渲染模型321，在此不做限制。
112.如上所述，训练好的界面渲染模型321可以嵌入可视化界面生成模型320中执行相应功能。已嵌入界面渲染模型321的可视化界面生成模型320对输入数据的具体处理过程将在下文详细描述，在此不再赘述。
113.下面结合图7介绍可视化界面生成模型320的训练过程。
114.图7根据本技术实施例示出了可视化界面生成模型320的训练过程示意图。作为示例，本技术实施例所提供的可视化界面生成模型320可以基于算法规则和神经网络模型的结合来实现相应功能，其中可视化界面生成模型320中的神经网络模型例如是经过上述图6所示过程训练得到的界面渲染模型321。可以理解，图7所示的训练过程中的各步骤执行主体可以是已嵌入界面渲染模型321的可视化界面生成模型320。
115.示例性地，如图7所示，该训练过程主要包括以下步骤：
116.701：获取样本数据所对应的数据事实、图表类型、图表数量以及所匹配的主题模板。
117.示例性地，可视化界面生成模型320可以获取事实主题生成模型310基于对样本数据的处理结果输出的数据事实、图表类型、图表数量以及所匹配的主题模板。如上所述，事实主题生成模型310对样本数据所匹配的主题模板可以是一个或多个。
118.702：对异常的数据事实、以及与异常的图表类型等进行修正。
119.示例性地，可视化界面生成模型320对于获取的样本数据对应的数据事实、图表类型、图表数量，可以与所确定的主题模板中对用于展示不同数据事实的图表类型等的布局要求，相应的数据事实描述、图表类型描述、图表数量要求等相关参数，对异常的数据事实或者图表类型、图表数量进行修正。
120.作为示例，例如所获取的样本数据对应的多个数据事实均对应于同一图表类型，比如样本数据对应的多个趋势型数据(不同数据事实)均对应于趋势分析线图或者面积图(同一图表类型)，如此，可以基于主题模板中对不同图表类型的布局要求将部分数据事实对应的趋势分析线图修正为柱状图；或者可以基于主题模板中不同界面展示区域对不同数据事实的展示要求等将部分数据事实修正为分布型数据，进而将对应图表类型修正为饼图。异常的数据事实，例如还可以是需要删除的离散型数据等，在此不做限制。
121.703：基于修正后的数据事实、图表类型，以及图表数量和所匹配的主题模板，生成相应的图表组件并得到相应的可视化初始界面参数。
122.示例性地，可视化界面生成模型320可以基于修正后的数据事实、图表类型、图表数量以及所确定的主题模板，执行预设的组件编码生成对应的图表组件，并且可以确定由所生成的图标组件组成的可视化初始界面对应的可视化初始界面参数(即上述图表组件相关参数)，参考上述步骤601中相关描述，该可视化初始界面参数例如可以包括图表类型、图表数量以及图表分布参数等参数，可视化界面生成模型320可以进一步基于可视化初始界面参数和所确定主题模板对应的界面框架生成可视化初始界面。
123.704：通过训练好的效果渲染模型321对相应的可视化初始界面进行效果渲染，生成可视化效果界面。
124.示例性地，可视化界面生成模型320中嵌入的效果渲染模型321可以基于训练的可视化初始界面参数与进行效果渲染参数之间的映射关系，对相应的可视化初始界面进行效果渲染，生成对应于多个主题模板的可视化效果界面，供客户选择。其中效果渲染参数包括界面样式参数、布局参数、颜色配置参数、图表映射关系参数、装饰效果参数、标题字段描述等，具体可以参考上述步骤601中相关描述，在此不做限制。页面显示样式可以参考下文图5所示流程的相关步骤中的描述，
125.705：生成客户所选的可视化效果界面对应的可视化界面。
126.示例性地，可视化界面生成模型320基于效果渲染模型321完成界面效果渲染并生成多个可视化效果界面后，后续调用该可视化界面生成模型320生成可视化界面的数据可视化操作平台的页面上可以向客户展示所生成的多个可视化效果界面供客户选择，客户选定一个可视化效果界面后可视化界面生成模型320则生成相应的可视化界面。其中，数据可视化操作平台的页面上显示可视化效果界面的选择页面显示样式可以参考下文图2b所示及相关描述，在此不再赘述。
127.可以理解，在一些实施例中，可视化界面生成模型320生成相应的可视化界面的过程例如可以通过生成相应的可视化编码来实现，所生成的可视化编码例如可以通过指定的网页调用执行，从而显示相应的可视化界面，在此不做限制。
128.706：通过评估模型获取客户对所生成的可视化效果界面或者最终生成的可视化界面反馈的评分，并反馈给效果渲染模型321。
129.示例性地，可视化界面生成模型320中还可以设置一个评分反馈模型，即评估模型，该评估模型例如可以基于增评分反馈算法实现，该评估模型能够获取客户对所生成的可视化界面的评分反馈，并将所获取的评分反馈给可视化界面生成模型320，例如反馈给效果渲染模型321用于优化效果渲染模型321的网络参数。在另一些实施例中，该评估模型也可以获取客户对所生成的多个可视化效果界面的评分反馈，可以理解，在后续调用该可视化界面生成模型320生成可视化界面的数据可视化操作平台的页面上，可以在完成可视化界面或者可视化编码的数据导出后，向客户显示一个评分页面用于获取客户评分，在此不再赘述。
130.可以理解，在上述步骤701至706的训练过程中，可以基于可视化界面生成模型320生成可视化界面过程中对相应数据事实、图表类型等的修正处理结果、以及最终输出的可视化界面的评分反馈等，来调整可视化界面生成模型320中预设的用于执行上述步骤701至706中各步骤对应功能的算法规则、以及神经网络模型的相关参数等，以使可视化界面生成模型320在经过上述步骤701至706的训练过程后，能够基于所获取的样本数据所对应的数据事实、图表类型、图表数量以及主题模板，生成相应的可视化效果界面或者可视化界面。在此不做限制。
131.可以理解，在另一些实施例中，可视化界面生成模型320中效果渲染模型321所执行功能之外的其他基于算法规则的功能模块也可以基于神经网络模型训练得到，例如可以通过训练transformer模型学习样本数据对应的数据事实、图表类型、图表数量以及主题模板与对应的可视化初始界面参数之间的对应关系等，在此不做限制。
132.可以理解，在生成可视化模型300之后，还可以在服务器200上对可视化模型300输入一次导入的表格数据样本进行初始化训练。初始化训练过程中，可视化模型300中的事实
主题生成模型310则能够基于导入的表格数据样本筛选出适合该样本的主题模板，可视化模型300中的可视化界面生成模型320能够基于所筛选出的主题模板生成的可视化初始界面并完成效果渲染、生成用于展示该样本数据的一个或多个可视化效果预览界面，计算机100则可以将最终形成的一个或多个可视化效果预览界面显示给客户，供客户选择，计算机100还可以通过显示评分界面采集客户的评分，通过可视化模型300中的评估模型反馈给其他部分以优化各部分的相关参数。
133.在完成上述图5至图7所示的训练过程之后，可以将最终得到的包括事实主题生成模型310和可视化界面生成模型320的可视化模型300部署到计算机100中，存储计算机100的模型库，在另一些实施例中，也可以将的上述图5至图7的训练过程训练得到的事实主题生成模型310和可视化界面生成模型320分别部署到计算机100中存入模型库以供调用，或者将训练得到的事实主题生成模型310、可视化界面生成模型320以及效果渲染模型321分别部署到计算机100中存入模型库以供调用，例如可以在计算机100上设置各模型的输入输出接口之间的数据对接规则，来实现各模型之间的数据对接，从而可以在计算机100运行的数据可视化操作平台上基于事实主题生成模型310、可视化界面生成模型320以及效果渲染模型321实现可视化模型300的功能。
134.作为示例，图8根据本技术实施例示出了一种计算机100的结构示意框图。
135.如图8所示，计算机100可以包括一个或多个处理器104，与处理器104中的至少一个连接的系统控制逻辑108，与系统控制逻辑108连接的系统内存112，与系统控制逻辑108连接的非易失性存储器(nvm)116，以及与系统控制逻辑108连接的网络接口120。
136.在一些实施例中，处理器104可以包括一个或多个单核或多核处理器。在一些实施例中，处理器104可以包括通用处理器和专用处理器(例如，图形处理器，应用处理器，基带处理器等)的任意组合。在计算机100采用enb(evolved node b，增强型基站)101或ran(radio access network，无线接入网)控制器102的实施例中，处理器104可以被配置为执行各种符合的实施例，例如，上述图2至图7所示的实施例。
137.在一些实施例中，系统控制逻辑108可以包括任意合适的接口控制器，以向处理器104中的至少一个和/或与系统控制逻辑108通信的任意合适的设备或组件提供任意合适的接口。
138.在一些实施例中，系统控制逻辑108可以包括一个或多个存储器控制器，以提供连接到系统内存112的接口。系统内存112可以用于加载以及存储数据和/或指令。在一些实施例中计算机100的内存112可以包括任意合适的易失性存储器，例如合适的动态随机存取存储器(dram)。
139.nvm/存储器116可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性的计算机可读介质。在一些实施例中，nvm/存储器116可以包括闪存等任意合适的非易失性存储器和/或任意合适的非易失性存储设备，例如hdd(hard disk drive，硬盘驱动器)，cd(compact disc，光盘)驱动器，dvd(digital versatile disc，数字通用光盘)驱动器中的至少一个。
140.nvm/存储器116可以包括安装计算机100的装置上的一部分存储资源，或者它可以由设备访问，但不一定是设备的一部分。例如，可以经由网络接口120通过网络访问nvm/存储116。
141.特别地，系统内存112和nvm/存储器116可以分别包括：指令124的暂时副本和永久副本。指令124可以包括：由处理器104中的至少一个执行时导致计算机100实施如图4所示的方法的指令。在一些实施例中，指令124、硬件、固件和/或其软件组件可另外地/替代地置于系统控制逻辑108，网络接口120和/或处理器104中。
142.网络接口120可以包括收发器，用于为计算机100提供无线电接口，进而通过一个或多个网络与任意其他合适的设备(如前端模块，天线等)进行通信。在一些实施例中，网络接口120可以集成于计算机100的其他组件。例如，网络接口120可以集成于处理器104的，系统内存112，nvm/存储器116，和具有指令的固件设备(未示出)中的至少一种，当处理器104中的至少一个执行所述指令时，计算机100实施上述图5所示的方法。
143.网络接口120可以进一步包括任意合适的硬件和/或固件，以提供多输入多输出无线电接口。例如，网络接口120可以是网络适配器，无线网络适配器，电话调制解调器和/或无线调制解调器。
144.在一些实施例中，处理器104中的至少一个可以与用于系统控制逻辑108的一个或多个控制器的逻辑封装在一起，以形成系统封装(sip)。在一些实施例中，处理器104中的至少一个可以与用于系统控制逻辑108的一个或多个控制器的逻辑集成在同一管芯上，以形成片上系统(soc)。
145.计算机100可以进一步包括：输入/输出(i/o)设备132。i/o设备132可以包括用户界面，使得操作者能够与计算机100进行交互；外围组件接口的设计使得外围组件也能够与计算机100交互。在一些实施例中，计算机100还包括传感器，用于确定与计算机100相关的环境条件和位置信息的至少一种。
146.在一些实施例中，用户界面可包括但不限于显示器(例如，液晶显示器，触摸屏显示器等)，扬声器，麦克风，一个或多个相机(例如，静止图像照相机和/或摄像机)，手电筒(例如，发光二极管闪光灯)和键盘。
147.在一些实施例中，外围组件接口可以包括但不限于非易失性存储器端口、音频插孔和电源接口。
148.在一些实施例中，传感器可包括但不限于陀螺仪传感器，加速度计，近程传感器，环境光线传感器和定位单元。定位单元还可以是网络接口120的一部分或与网络接口120交互，以与定位网络的组件(例如，全球定位系统(gps)卫星)进行通信。
149.在说明书对“一些实施例”或“实施例”的引用意指结合实施例所描述的具体特征、结构或特性被包括在根据本技术公开的至少一个范例实施方案或技术中。说明书中的各个地方的短语“在一些实施例中”的出现不一定全部指代同一些实施例。
150.本技术公开还涉及用于执行文本中的操作装置。该装置可以专门处于所要求的目的而构造或者其可以包括被存储在计算机中的计算机程序选择性地激活或者重新配置的通用计算机。这样的计算机程序可以被存储在计算机可读介质中，诸如，但不限于任何类型的盘，包括软盘、光盘、cd
‑
rom、磁光盘、只读存储器(rom)、随机存取存储器(ram)、eprom、eeprom、磁或光卡、专用集成电路(asic)或者适于存储电子指令的任何类型的介质，并且每个可以被耦合到计算机系统总线。此外，说明书中所提到的计算机可以包括单个处理器或者可以是采用针对增加的计算能力的多个处理器涉及的架构。
151.另外，在本说明书所使用的语言已经主要被选择用于可读性和指导性的目的并且
可能未被选择为描绘或限制所公开的主题。因此，本技术公开旨在说明而非限制本文所讨论的概念的范围。