[发明专利]提高数据可视化质量的方法、装置和计算机可读存储介质

权利要求书

1.一种提高数据可视化质量的方法，其特征在于，所述方法包括：

获取关系型数据表D，并对所述关系型数据表D进行数据可视化，获取初始的数据可视化结果Q(D)；

通过预先训练好的数据清洗模型检测所述初始的数据可视化结果Q(D)中包含的数据错误，并生成候选的修复建议；

根据检测出的数据错误和所述修复建议构建错误-修复图其中，所述错误-修复图中的顶点和边分别代表不确定的数据错误和对应的修复建议；

从所述错误-修复图中选取出最佳复合子图；

将所述最佳复合子图传输给用户，使用户与所述最佳复合子图进行交互式数据清洗，并获取交互式数据清洗结果；

根据所述交互式数据清洗结果迭代地对所述关系型数据表D进行数据错误修复，并获取新的数据可视化结果。

2.根据权利要求1所述的提高数据可视化质量的方法，其特征在于，所述对所述关系型数据表D进行数据可视化包括：采用数据可视化查询的方式进行数据可视化。

3.根据权利要求1所述的提高数据可视化质量的方法，其特征在于，所述数据错误包括以下任意一种或多种：实体重复、别名、缺失值和异常值；

所述数据清洗模型包括分别与所述数据错误对应的一种或多种子数据清洗模型。

4.根据权利要求1所述的提高数据可视化质量的方法，其特征在于，所述根据检测出的数据错误和所述修复建议构建错误-修复图包括：

将所述关系型数据表D中被检测出可能重复的行t_i和行t_j分别表示为的顶点v_i和v_j；

如果行t_i和行t_j之间存在可能重复的实体，则在顶点v_i和v_j之间加一条无向边(v_i，v_j)∈ε；

如果行t_i和行t_j的属性中检测出了异常值或者缺失值，则给顶点v_i和v_j加一个标记标签；其中，所述异常值采用第一顶点标记，所述缺失值采用第二顶点标记；

将顶点v_i和v_j之间行重复的概率记为边(v_i,v_j)的权重将顶点v_i和v_j之间有同义词的概率记为边(v_i，v_j)的权重

5.根据权利要求1所述的提高数据可视化质量的方法，其特征在于，所述从所述错误-修复图中选取出最佳复合子图包括：

根据预设的收益模型从所述错误-修复图中选择收益较大的多个边来构成分别具有k个顶点的多个候选复合子图；

根据预设的复合子图收益算法从所述多个候选复合子图中选择收益最大的子图作为所述最佳复合子图。

6.根据权利要求5所述的提高数据可视化质量的方法，其特征在于，所述收益模型包括以下算法：

获取用户对于所述错误-修复图的反馈信息；所述反馈信息包括：对于所述错误-修复图中的每一条边，用户同意或者拒绝所给出的修复建议；

根据所述反馈信息对所述关系型数据表D中的数据错误进行修正，获取修正后的关系型数据表D1；

对所述修正后的关系型数据表D1进行数据可视化，获取清洗后的数据可视化结果Q(D1)；

根据所述初始的数据可视化结果Q(D)和所述清洗后的数据可视化结果Q(D1)之间的距离确定所述错误-修复图中的每一条边的收益；其中，距离越大，收益越大；距离越小，收益越小。