Please wait a minute...
Advanced Search
数据分析与知识发现  0, Vol. Issue (): 1-     https://doi.org/10.11925/infotech.2096-3467. 2021.0858
  本期目录 | 过刊浏览 | 高级检索 |
融合聚类信息的技术主题图可视化方法研究
汪雪锋,任惠超,刘玉琴
(北京理工大学管理与经济学院 北京 100081) (北京印刷学院新闻出版学院 北京 102600)
Research on the Visualization Method of Drawing Technology Theme Map with Clusters
Wang Xuefeng,Ren Huichao,Liu Yuqin
(School of Management and Economics, Beijing Institute of Technology, Beijing 100081, China) (School of Journalism and Publishing, Beijing Institute of Graphic Communication, Beijing 102600, China)
全文: PDF (1337 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

[目的]为弥补主题聚类后单一色彩技术主题图可视化辨识度有限,增强聚类后技术主题图的表现力,丰富科技情报分析人员的技术主题图可视化方法和软件工具选择范围。[方法]提出融合聚类信息的技术主题图可视化方法,应用网络布局算法进行主题词的平面布局,建立平面像素点类密度函数、色彩强度函数,依据类密度和色彩强度值进行色彩渲染,得到聚类后的技术主题图。[结果]该可视化方法嵌入到文本挖掘与可视化软件工具ItgInsight中,并应用于量子密码通信专利数据进行案例分析,结果表明该方法简单有效。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 技术分布主题图可视化聚类     
Abstract

[Purpose]In order to make up for the limited recognizability of the single color technology topic map after clustering, enhance the expressiveness of the technology topic map and enrich the drawing methods of technology topic map and the selection range of software tools for  analysts.[Method]A visualization method of technology topic map with clusters is proposed. The layout algorithm is applied to layout the topic words, and the pixel density function, class density function and color intensity function are established. According to the class density and color intensity value, the color rendering is carried out, and the clustering technology topic map is obtained. [Results] The method is embedded in itginsight software,which is a text mining and visualization software tool, and applied to the case analysis of quantum cryptography communication patent data, the results show that the method is simple and effective.

Key words Technical Distribution    Theme Map    Visualization    Clustering
     出版日期: 2021-10-20
ZTFLH:  TP391  
引用本文:   
汪雪锋, 任惠超, 刘玉琴. 融合聚类信息的技术主题图可视化方法研究 [J]. 数据分析与知识发现, 0, (): 1-.
Wang Xuefeng, Ren Huichao, Liu Yuqin. Research on the Visualization Method of Drawing Technology Theme Map with Clusters . Data Analysis and Knowledge Discovery, 0, (): 1-.
链接本文:  
https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467. 2021.0858      或      https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y0/V/I/1
[1] 聂卉, 吴晓燕, 林芸. 基于在线问诊记录的抑郁症病患群组划分与特征分析*[J]. 数据分析与知识发现, 2022, 6(2/3): 222-232.
[2] 钱旦敏, 曾婷婷, 常侍艺. 突发公共卫生事件下基于在线健康社区用户画像的用户角色研究*[J]. 数据分析与知识发现, 2022, 6(2/3): 93-104.
[3] 汪雪锋, 任惠超, 刘玉琴. 融合聚类信息的技术主题图可视化方法研究*[J]. 数据分析与知识发现, 2022, 6(1): 91-100.
[4] 王若琳, 牛振东, 蔺奇卡, 朱一凡, 邱萍, 陆浩, 刘东磊. 基于异质信息嵌入与RNN聚类参数预测的作者姓名消歧方法*[J]. 数据分析与知识发现, 2021, 5(8): 13-24.
[5] 王晰巍,贾若男,韦雅楠,张柳. 多维度社交网络舆情用户群体聚类分析方法研究*[J]. 数据分析与知识发现, 2021, 5(6): 25-35.
[6] 卢利农,祝忠明,张旺强,王小春. 基于Lingo3G聚类算法的机构知识库跨库知识整合与知识指纹服务实现[J]. 数据分析与知识发现, 2021, 5(5): 127-132.
[7] 张梦瑶, 朱广丽, 张顺香, 张标. 基于情感分析的微博热点话题用户群体划分模型 *[J]. 数据分析与知识发现, 2021, 5(2): 43-49.
[8] 丁浩, 艾文华, 胡广伟, 李树青, 索炜. 融合用户兴趣波动时序的个性化推荐模型*[J]. 数据分析与知识发现, 2021, 5(11): 45-58.
[9] 杨辰, 陈晓虹, 王楚涵, 刘婷婷. 基于用户细粒度属性偏好聚类的推荐策略*[J]. 数据分析与知识发现, 2021, 5(10): 94-102.
[10] 于丰畅,程齐凯,陆伟. 基于几何对象聚类的学术文献图表定位研究[J]. 数据分析与知识发现, 2021, 5(1): 140-149.
[11] 邬金鸣,侯跃芳,崔雷. 基于医学主题词标引规则的词共现聚类分析结果自动判读和表达的研究[J]. 数据分析与知识发现, 2020, 4(9): 133-144.
[12] 温萍梅,叶志炜,丁文健,刘颖,徐健. 命名实体消歧研究进展综述*[J]. 数据分析与知识发现, 2020, 4(9): 15-25.
[13] 席运江, 杜蝶蝶, 廖晓, 仉学红. 基于超网络的企业微博用户聚类研究及特征分析*[J]. 数据分析与知识发现, 2020, 4(8): 107-118.
[14] 杨旭,钱晓东. 基于改进的Vicsek模型的社会网络同步聚类算法*[J]. 数据分析与知识发现, 2020, 4(4): 119-128.
[15] 熊回香,李晓敏,李跃艳. 基于图书评论属性挖掘的群组推荐研究*[J]. 数据分析与知识发现, 2020, 4(2/3): 214-222.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn