Please wait a minute...
Advanced Search
数据分析与知识发现  2017, Vol. 1 Issue (3): 21-28     https://doi.org/10.11925/infotech.2096-3467.2017.03.03
  研究论文 本期目录 | 过刊浏览 | 高级检索 |
多视图合作的联盟数据可视化分析
申雪锋(), 柯永振, 姚楠
天津工业大学计算机科学与软件学院 天津 300387
Visualization of Coalition Data Based on Multi View Cooperation
Shen Xuefeng(), Ke Yongzhen, Yao Nan
School of Computer Science & Software Engineering, Tianjin Polytechnic University, Tianjin 300387, China
全文: PDF (6163 KB)   HTML ( 26
输出: BibTeX | EndNote (RIS)      
摘要 

目的】针对当前联盟数据在进行知识发现过程中存在的问题, 设计联盟数据可视分析系统模型, 实现对历史信息的采集、挖掘和可视化分析。【方法】构建联盟数据可视分析系统模型, 搭建大数据平台, 验证模型的可用性。【结果】实验结果表明, 系统能够很好地对海量历史数据进行可视化分析, 并支持决策分析。【局限】目前的可视分析结果视图还可以进一步丰富。【结论】该系统可以对联盟的历史数据进行可视化分析, 为决策者提供科学化的数据支持。

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
申雪锋
柯永振
姚楠
关键词 联盟数据大数据可视分析借阅记录    
Abstract

[Objective] This paper proposes a data visualization model to retrieve, analyze and present historical records from a data coalition, aiming to improve the knowledge discovery. [Methods] We constructed a model for the visual data analysis system, and then used a big data platform to examine its feasibility. [Results] The proposed system could analyze massive historical data and then support the decision making procedures. [Limitations] The current visual analysis result views could be further improved by adding more chart templates. [Conclusions] The proposed system could analyze historical data from the library alliance and provide valuable information for decision makers.

Key wordsCoalition Data    Big Data    Visibility Analysis    Borrowed Records
收稿日期: 2016-11-14      出版日期: 1985-09-25
:  TP311 G350  
引用本文:   
申雪锋, 柯永振, 姚楠. 多视图合作的联盟数据可视化分析[J]. 数据分析与知识发现, 2017, 1(3): 21-28.
Shen Xuefeng,Ke Yongzhen,Yao Nan. Visualization of Coalition Data Based on Multi View Cooperation. Data Analysis and Knowledge Discovery, 2017, 1(3): 21-28.
链接本文:  
https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467.2017.03.03      或      https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2017/V1/I3/21
  联盟数据可视分析模型
  高校联合馆中图书的层次化结构
  借阅图书与馆藏图书的对比分析
  借阅图书与用户之间的分析视图
  借阅比超过20%的三个类别的分析
  借阅率比较低的三个类别的分析
  不同图书馆的读者借阅不同类别图书的分析
  不同图书馆的读者借阅不同类别图书的分析
[1] 任磊, 杜一, 马帅, 等. 大数据可视分析综述[J]. 软件学报, 2014, 25(9): 1909-1936.
doi: 10.13328/j.cnki.jos.004645
[1] (Ren Lei, Du Yi, Ma Shuai, et al.Visual Analytics Towards Big Data[J]. Journal of Software, 2014, 25(9): 1909-1936.)
doi: 10.13328/j.cnki.jos.004645
[2] 贺德方, 曾建勋. 基于语义的馆藏资源深度聚合研究[J]. 中国图书馆学报, 2012, 38(200): 79-87.
doi: 10.3969/j.issn.1001-8867.2012.04.010
[2] (He Defang, Zeng Jianxun.Study on In-depth Integration of Library Collections Based on Semantics[J]. Journal of Library Science in China. 2012, 38(200): 79-87.)
doi: 10.3969/j.issn.1001-8867.2012.04.010
[3] 赵迎春. 灰色关联分析在高校图书馆图书采购中的应用[J]. 农业图书情报学刊, 2016, 28(9): 114-118.
doi: 10.13998/j.cnki.issn1002-1248.2016.09.026
[3] (Zhao Yingchun.Application of Grey Relation Analysis Method in the College Libraies’ Books Acquisition[J]. Journal of Library and Information Sciences in Agriculture. 2016, 28(9): 114-118.)
doi: 10.13998/j.cnki.issn1002-1248.2016.09.026
[4] 尹纪军. 基于改进遗传神经网络的图书采购系统研究[D]. 镇江: 江苏大学, 2007.
[4] (Yin Jijun.Research on Book Purchasing System Based on Improved Genetic Neural Network [D]. Zhen Jiang: Jiangsu University, 2007.)
[5] 李媛, 胡蓉. 模糊综合评判法在高校图书馆文献采购中的应用[J]. 农业图书情报学刊, 2014, 26(5): 72-75.
[5] (Li Yuan, Hu Rong.The Application of Fuzzy Comprehensive Evaluation Method in the Document Purchasing of University Library[J]. Journal of Library and Information Sciences in Agriculture. 2014, 26(5): 72-75.)
[6] 迟春佳, 毛志勇. 基于数据挖掘的高校图书馆图书采购计划辅助决策研究[J]. 现代情报, 2009, 29(7): 108-110.
doi: 10.3969/j.issn.1008-0821.2009.07.031
[6] (Chi Chunjia, Mao Zhiyong.Research on Assistant Decision- making in Formulating University Library Book Purchasing Plan Based on Data Mining[J]. Journal of Modern Information, 2009, 29(7): 108-110.)
doi: 10.3969/j.issn.1008-0821.2009.07.031
[7] 冯娜. 浅议基于数据挖掘的高校图书馆购书计划[J]. 农业图书情报学刊, 2016, 28(4): 112-114.
doi: 10.13998/j.cnki.issn1002-1248.2016.04.026
[7] (Feng Na.A Brief Discussion of University Library’s Book Procurement Plan Based on Data Mining[J]. Journal of Library and Information Sciences in Agriculture, 2016, 28(4): 112-114.)
doi: 10.13998/j.cnki.issn1002-1248.2016.04.026
[8] 赵海森, 吕琳, 薄志涛. 面向层次化数据的变分圆形树图[J]. 软件学报, 2016, 27(5): 1103-1113.
[8] (Zhao Haisen, Lǚ Lin, Bo Zhitao.Variational Circular Treemaps for Hierarchical Data[J]. Journal of Software, 2016, 27(5): 1103-1113.)
[9] Schulz H J.Treevis. net: A Tree Visualization Reference[J]. IEEE Computer Graphics and Applications, 2011. 31(6): 11-15.
doi: 10.1109/MCG.2011.103 pmid: 24808254
[10] Schulz H J, Schumann H.Visualizing Graphs—A Generalized View[C]//Proceedings of the Conference on Information Visualization (IV 2006). Washington, USA: IEEE Computer Society, 2006, 166-173.
[11] Tak S, Cockburn A.Enhanced Spatial Stability with Hilbert and Moore Treemaps[J]. IEEE Transactions on Visualization and Computer, 2013. 19(1): 141-148.
doi: 10.1109/TVCG.2012.108 pmid: 22508907
[12] Lam H C, Dinov I D.Hyperbolic Wheel: A Novel Hyperbolic Space Graph Viewer for Hierarchical Information Content[J]. ISRN Computer Graphics, 2012(6): 487-493.
doi: 10.5402/2012/609234
[13] Ham F V, Wijk J V.Beamtrees: Compact Visualization of Large Hierarchies[J]. Information Visualization. 2003. 2(1): 31-39.
doi: 10.1057/palgrave.ivs.9500036
[14] 陈谊, 甄远刚, 胡海云, 等. 一种层次结构中多维属性的可视化方法[J]. 软件学报, 2016, 27(5): 1091-1102.
[14] (Chen Yi, Zhen Yuangang, Hu Haiyun, et al.Visualization Technique for Multi-Attrbute in Hierarchical Structure[J]. Journal of Software, 2016, 27(5): 1091-1102.)
[15] Chen Y, Zhang X Y, Feng Y C, et al.Sunburst with Ordered Nodes Based on Hierarchical Clustering: A Visual Analyzing Method for Associated Hierarchical Pesticide Residue Data[J]. Journal of Visualization, 2015. 18(2): 237-254.
doi: 10.1007/s12650-014-0269-3
[16] Bring Data to Life with SVG, Canvas and HTML[EB/OL]. [2016-11-04]..
[17] Vizuly. Weighted Tree [EB/OL]. [2016-11-04]. .
[18] NPasha. Bipartite Graph [EB/OL]. [2016-11-04]. .
[1] 周阳,李学俊,王冬磊,陈方,彭莉娟. 炸药配方设计知识图谱的构建与可视分析方法研究*[J]. 数据分析与知识发现, 2021, 5(9): 42-53.
[2] 常志军,钱力,谢靖,吴振新,张鹄,于倩倩,王颖,王永吉. 基于分布式技术的科技文献大数据平台的建设研究*[J]. 数据分析与知识发现, 2021, 5(3): 69-77.
[3] 陈仕吉, 邱均平, 余波. 基于Overlay图谱的图情领域大数据主题分析*[J]. 数据分析与知识发现, 2021, 5(10): 51-59.
[4] 赵宇翔,练靖雯. 数字人文视域下文化遗产众包研究综述*[J]. 数据分析与知识发现, 2021, 5(1): 36-55.
[5] 邱尔丽,何鸿魏,易成岐,李慧颖. 基于字符级CNN技术的公共政策网民支持度研究 *[J]. 数据分析与知识发现, 2020, 4(7): 28-37.
[6] 王建冬,于施洋. 构建国家经济大脑的实践探索与初步设想 *[J]. 数据分析与知识发现, 2020, 4(7): 2-17.
[7] 王建冬. 大数据在经济监测预测研究中的应用进展*[J]. 数据分析与知识发现, 2020, 4(1): 12-26.
[8] 孔贝贝,谢靖,钱力,常志军,吴振新. 科技大数据增值丰富化方法研究与工具研发 *[J]. 数据分析与知识发现, 2019, 3(7): 113-122.
[9] 董晓舟,陈信康. 电子折扣券弹性与经济效益的关系研究 ——一个基于电商平台大数据的混合模型[J]. 数据分析与知识发现, 2019, 3(6): 42-49.
[10] 陆泉,朱安琪,张霁月,陈静. 中文网络健康社区中的用户信息需求挖掘研究*——以求医网肿瘤板块数据为例[J]. 数据分析与知识发现, 2019, 3(4): 22-32.
[11] 王颖,钱力,谢靖,常志军,孔贝贝. 科技大数据知识图谱构建模型与方法研究*[J]. 数据分析与知识发现, 2019, 3(1): 15-26.
[12] 钱力,谢靖,常志军,吴振新,张冬荣. 基于科技大数据的智能知识服务体系研究设计*[J]. 数据分析与知识发现, 2019, 3(1): 4-14.
[13] 胡吉颖,谢靖,钱力,付常雷. 基于知识图谱的科技大数据知识发现平台建设*[J]. 数据分析与知识发现, 2019, 3(1): 55-62.
[14] 谢靖,钱力,师洪波,孔贝贝,胡吉颖. 科研学术大数据的精准服务架构设计*[J]. 数据分析与知识发现, 2019, 3(1): 63-71.
[15] 沈志宏, 姚畅, 侯艳飞, 吴林寰, 李跃鹏. 关联大数据管理技术: 挑战、对策与实践*[J]. 数据分析与知识发现, 2018, 2(1): 9-20.
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