一種基于標(biāo)簽云的文本可視化方法

李曉飛

（吉林建筑科技學(xué)院，吉林 長春 130000）

0 引言

可視化(Visualization)是利用計算機圖形學(xué)和圖像處理技術(shù)，將數(shù)據(jù)轉(zhuǎn)換成圖形或圖像在屏幕上顯示出來，并進(jìn)行交互處理的理論、方法和技術(shù)。它涉及到計算機圖形學(xué)、圖像處理、計算機視覺、計算機輔助設(shè)計等多個領(lǐng)域，成為研究數(shù)據(jù)表示、數(shù)據(jù)處理、決策分析等一系列問題的綜合技術(shù)[1]。目前正在飛速發(fā)展的虛擬現(xiàn)實技術(shù)也是以圖形圖像的可視化技術(shù)為依托的。

數(shù)據(jù)存儲以及數(shù)據(jù)傳播的主要形式包括文本，而可視化技術(shù)研究的一個重要的方向就是文本數(shù)據(jù)的可視化。目前研究者們提出了可視化技術(shù)研究的一些方法，比如文本語義結(jié)構(gòu)方法、標(biāo)簽云方法等[2-4]。標(biāo)簽云是一套相關(guān)的標(biāo)簽以及與此相應(yīng)的權(quán)重。權(quán)重影響使用的字體大小或其他視覺效果。標(biāo)簽云彩能代表更多的權(quán)，標(biāo)簽是典型的超鏈接，讓用戶可以仔細(xì)了解他們的內(nèi)容[5-7]。

目前對可視化技術(shù)的評價方法尚處于發(fā)展階段。本項目進(jìn)行過程中主要工作為建立文本數(shù)據(jù)可視化方法度量指標(biāo)，根據(jù)計算結(jié)果對權(quán)重值進(jìn)行計算，從而分析文本信息可視化的應(yīng)用效果[8]。

1 基于標(biāo)簽云的文本可視化方法

基于標(biāo)簽元的文本可視化方法通過建立三類度量指標(biāo)，從而根據(jù)度量指標(biāo)進(jìn)行權(quán)重計算，最后進(jìn)行評價分?jǐn)?shù)計算。

1.1 數(shù)據(jù)指標(biāo)

在可視化技術(shù)中，數(shù)據(jù)的規(guī)模大小是整個量化和評價過程的基礎(chǔ)。標(biāo)簽云根據(jù)文本數(shù)據(jù)單詞的頻率由大到小進(jìn)行展現(xiàn)，因此數(shù)據(jù)的規(guī)模指標(biāo)是評價可視化效果的一個重要指標(biāo)。

假設(shè)文本數(shù)據(jù)中單詞的集合為S{a1，a2，……an}，其中ai(i=1，2， ，n)代表文本信息中的某個單詞，令N(ai)表示文本中單詞出現(xiàn)的個數(shù)。定義停止詞集合，表示在文本數(shù)據(jù)中多次出現(xiàn)但是對文本內(nèi)容影響小的單詞為P={p1，p2，……pm}，例如中文中出現(xiàn)“的”“是”“個”等詞，英文中的of、a、an、the 等詞。

對文本數(shù)據(jù)可視化的步驟為：①篩選文本數(shù)據(jù)中的單詞——彩信詞；②根據(jù)單詞集合S和停止詞集合P對文本進(jìn)行過濾得到S-P；③計算S-P中的單詞出現(xiàn)的頻度；④選取頻度閾值h，篩選得彩信詞集C。

1.2 復(fù)雜度指標(biāo)

復(fù)雜度指標(biāo)主要指用戶對文本信息進(jìn)行搜索和觀察，本方法主要通過方向度量和采信詞度量進(jìn)行衡量。

彩信詞度量指單詞在可視化確定區(qū)域的長寬比：

上式中I為單詞圖片的長，W為寬。彩信詞集C中所有單詞的度量均值為：

每個單詞出現(xiàn)在可視化區(qū)域的大小則取決于權(quán)重，權(quán)重大的顯示較大。但是對于一些單詞長度大而權(quán)重小的情況下彩信詞度量同樣也較大。為了解決這個問題，增加方向度量來進(jìn)行評價。假設(shè)單詞的角度為ui度，可視化確定區(qū)域展現(xiàn)的方向度量為：

d(ai)的取值范圍為[0，1]，方向度量越大，復(fù)雜度指標(biāo)越高。

1.3 辨識度指標(biāo)

辨識度指標(biāo)主要用來呈現(xiàn)單詞色彩的比重以及在可視化展現(xiàn)區(qū)域的位置構(gòu)成。假設(shè)標(biāo)簽云中每個文本數(shù)據(jù)顯示不同顏色，顏色的數(shù)目為nc，彩信詞的數(shù)量為n，則設(shè)定色彩比重為：

在文本可視化的展現(xiàn)區(qū)域經(jīng)常會出現(xiàn)空白區(qū)域，這些區(qū)域采用空間利用度來衡量，可以通過填充空白區(qū)域來增加空間的利用度。假設(shè)單詞所占區(qū)域面積為t，展現(xiàn)區(qū)域的面積t=W×L，其中W和L分別為展現(xiàn)區(qū)域的寬和長，則空間利用度為：

1.4 權(quán)重計算

根據(jù)數(shù)據(jù)規(guī)模指標(biāo)、復(fù)雜度指標(biāo)以及辨識度指標(biāo)進(jìn)行權(quán)重的計算。通過模糊分析方法對權(quán)值進(jìn)行確定。對上述三個指標(biāo)進(jìn)行兩兩互相比對，形成模糊矩陣B，然后將其變成模糊一致性判斷矩陣R：

數(shù)據(jù)指標(biāo)、復(fù)雜度指標(biāo)和辨識度指標(biāo)對總評分的影響權(quán)重為qw=(0.316，0.419，0.263)。

1.5 評價分?jǐn)?shù)計算

根據(jù)相應(yīng)指標(biāo)的計算和權(quán)重計算，進(jìn)行了文本數(shù)據(jù)信息頻度算法的分析，算法的具體過程為：

Step1:文本數(shù)據(jù)信息可視化參數(shù)初始化處理。比如在可視化確定區(qū)域展示的單詞的最大和最小數(shù)量，色彩度的最大值，展示區(qū)域顏色的設(shè)置等。

Step2:計算文本信息的總單詞數(shù)量。

Step3:根據(jù)過濾條件確定彩信詞集合，并計算需要可視化展示的單詞信息。

Step4:初始化可視化區(qū)域畫布和單詞信息，將單詞展現(xiàn)在畫布上。

Step5:對統(tǒng)計單詞進(jìn)行面積比率和方向度量計算。根據(jù)計算公式，獲得可視化分析的指標(biāo)值。

2 實驗及結(jié)果分析

實驗中，通過對網(wǎng)絡(luò)授課學(xué)生對科目反饋科目信息，采用標(biāo)簽云可視化方法進(jìn)行指標(biāo)計算和分析，從而得到可視化結(jié)果，如圖1。

其中計算出方向度量值為0.61，彩信詞密度為0.112，顏色比重為0.146，空間利用度為1.689。根據(jù)指標(biāo)值得到最終的總評價分?jǐn)?shù)為65.12。

實驗中對單文本和多文本來調(diào)整算法中可視化指標(biāo)并采用多維度圖表進(jìn)行結(jié)果分析。彩信詞指標(biāo)折線分析圖如圖2，色彩比重分析圖如圖3。

由分析圖可知，隨著彩信詞密度的增加，方向度量基本是在百分之五十左右上下波動，方度max 值則逐漸上升到平穩(wěn)，評價總分逐漸下降，可視化效果逐漸變差。

3 結(jié)論

本文給出了一種基于標(biāo)簽云的文本可視化分析方法，主要通過建立文本數(shù)據(jù)可視化方法度量指標(biāo)，根據(jù)計算結(jié)果對權(quán)重值進(jìn)行計算，從而分析文本信息可視化的應(yīng)用效果。實驗證明，針對但文本以及多文本信息，各指標(biāo)間是相互對立的，該方法在可視化衡量上具有一定的有效性。