[发明专利]一种论文数据可视化方法、系统及电子设备

说明书

本申请涉及一种论文数据可视化方法、系统及电子设备。包括：步骤a：从PDF格式的论文数据中提取图片数据；步骤b：从所述图片数据中提取图片属性信息和论文属性信息，并将所述图片属性信息和论文属性信息进行汇总，生成一个数据表；步骤c：通过所述数据表选择论文数据，并通过基于河流图加论文圆环的可视化布局算法对选择的论文数据进行可视化展示。本申请通过结合论文的图片信息和论文的属性信息生成数据表，并通过论河流图加论文圆环的可视化布局算法，以更容易查看和查找的方式对论文数据进行可视化展示，减小了查阅不同论文图片的时间，提高查阅效率。

技术领域

本申请属于数据可视化处理技术领域，特别涉及一种论文数据可视化方法、系统及电子设备。

背景技术

可视表示方法常常可以更快更有效地在人机或人人之间交流某些类型的信息；而且可以使海量数据变得简洁有条理，能够揭示数据深层的联系和规律等。可视化领域的研究与发展规律从根本上改变了用户表示和理解大量复杂数据集的方式，因此可视化具有广泛而重要的影响，它可以引导出新的洞见和更高效的决策。结合目前文献数据库的现状，同时从可视化的特点出发，可以看出可视化在理解海量的科技文献数据的先天优势；它可以帮助用户对科技文献信息进行发掘、揭示和说明；它可以弥补传统手段面对迅速增长的文献数据的心有余而力不足的缺陷。

随着科技文献数量的快速增长，给分析文献数据增加了很多挑战，比如文献数据结构复杂多样、数据属性关系网络过于复杂等。然而，现有可视化处理方法对文献数据的分析都是基于文本的信息，而忽略了非常重要的论文插图、表格、图表等非文本信息，对于用户使用有一定的门槛，对不同领域的内容不方便理解。尤其是针对VIS、SIGGRAPH的论文来说，论文中的视觉信息作用巨大，不可或缺。而利用根据论文的图片数据进行论文数据可视化研究的方法目前还没有被研究过。

发明内容

本申请提供了一种论文数据可视化方法、系统及电子设备，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种论文数据可视化方法，包括以下步骤：

步骤a：从PDF格式的论文数据中提取图片数据；

步骤b：从所述图片数据中提取图片属性信息和论文属性信息，并将所述图片属性信息和论文属性信息进行汇总，生成一个数据表；

步骤c：通过所述数据表选择论文数据，并通过基于河流图加论文圆环的可视化布局算法对选择的论文数据进行可视化展示。

本申请实施例采取的技术方案还包括：在所述步骤a中，所述从PDF格式的论文数据中提取图片数据具体包括：

步骤a：将PDF论文数据转化为JPG格式，然后将JPG格式论文数据转化为XML格式的文件；所述XML格式的文件中包含论文中文本框的位置坐标、长度、宽度信息；

步骤a2：对XML格式文件中的所有图片进行Fig和Figure标识，找到每张图片的文本框位置；

步骤a3：识别每个图片的文本框的宽度，如果该图片的文本框宽度大于PDF总宽度的一半，则将该图片的宽度设定为整个PDF的宽度，反之，将该图片的宽度设定为整个PDF宽度的一半；并根据图片上部分和文本框的y值坐标确定每个图片的高度，得到初始图片数据的提取结果；

步骤a4：通过识别与背景色不同颜色的最小边框对所述初始图片数据进行背景剪裁，得到最终的图片数据提取结果。

本申请实施例采取的技术方案还包括：在所述步骤b中，所述图片属性信息包括图片的主色调、宽高比、尺寸信息；其中，所述图片的主色调提取采用中位切分法，将图片颜色看作是色彩空间中的长方体，从初始整个图像作为一个长方体开始，将RGB中最长的一边从颜色统计的中位数一切为二，得到包含相同像素数量的两个长方体；并重复上述步骤，直到最终切分得到的长方体数量等于主题颜色数量为止。