买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉四川大学申请的专利一种基于用户任务的动态可视化推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116204704B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211610962.X，技术领域涉及：G06F16/9535；该发明授权一种基于用户任务的动态可视化推荐方法是由朱敏;朱佳旻;吴美璇;周怡;朱浩天设计研发完成，并于2022-12-14向国家知识产权局提交的专利申请。

本一种基于用户任务的动态可视化推荐方法在说明书摘要公布了：本发明公开了一种基于用户任务的动态可视化推荐方法，基于用户探索数据过程中分析得到的任务和偏好数据，设计并实现能随用户探索过程动态变化的、具有交互能力的可视化推荐模型；首先通过对数据特征和操作序列的分析，生成数据事实、分析任务事实和字段偏好事实，然后使用这些事实指导生成推荐的可视化供用户选择。本发明不仅可以将用户的任务和字段偏好融入推荐过程，还支持用户对任务和字段偏好的交互式指派，并可以基于用户分析过程在线学习，不断改进模型效果，能够帮助数据分析人员快速分析数据并创建多视图可视化面板，进而提升数据分析和展示效率。

本发明授权一种基于用户任务的动态可视化推荐方法在权利要求书中公布了：1.一种基于用户任务的动态可视化推荐方法，其特征在于，包括以下步骤： S1：数据获取与处理 对用户输入的数据集进行统计分析，得到数据的统计学特征和数据类型；通过事件总线和发布者-订阅者模型，在交互式分析界面中记录用户操作行为，并对高频事件进行防抖动操作，以保证各事件频率的相对均衡；将事件类型映射到任务感知模型的输入格式； S2：分析任务与字段偏好生成 从任务感知模型中读出当前时间片的任务和字段偏好预测结果；对于任务预测结果，使用历史数据对预测结果进行平滑，以降低预测结果抖动；对于字段偏好预测结果，使用统计学检验方法，将现有字段偏好与等概率模型进行对比，决定是否修改模型的字段偏好参数； S3：可视化视图生成与处理 基于S1得到的数据特征和数据类型，生成数据定义事实；基于S2得到的分析任务和字段偏好，生成分析任务事实和字段偏好事实；基于可视化设计经验，设计通用可视化规则集、任务相关规则集和字段偏好规则集；基于上述事实和规则集，使用答案集编程和线性优化方法搜索可视化设计空间，寻找最优可视化设计方案；基于视觉上的相似性，设计可视化去重策略，过滤相似的推荐结果，优化推荐效果； S4：交互设计 设计算法控制面板，输出预测得到的用户任务和字段偏好特性，展示算法预测结果的变化情况；基于动态排序柱状图，展示当前时间片的算法关键输入，并基于掩码和惩罚值，定义任务的编辑操作； 在步骤S3中，所述可视化生成与处理的具体过程如下： S31：生成数据定义事实：使用基于字符串模板的方法，把S1中确定的数据类型转换为答案集编程中定义的数据类型事实； S32：生成分析任务事实：使用基于字符串模板的方法，把S2中确定的分析任务转换为答案集编程中定义的分析任务事实； S33：生成字段偏好事实：使用基于字符串模板的方法，把S2中确定的字段偏好转换为答案集编程中定义的字段偏好事实； S34：设计规则集：规则集包括通用可视化规则集、任务相关规则集和字段偏好规则集；所述通用可视化规则集编码通用的可视化美学知识和基于数据事实的通用可视化知识，其包括硬约束和软约束；所述任务相关规则集编码特定于任务的可视化知识；所述字段偏好规则集编码存在字段偏好约束下的可视化知识； S35：软约束权重设计：当可视化违反一条软约束时，施加与权重一致的损失；可视化在所有软约束上的损失和用于衡量可视化的优劣；使用基于RankSVM的方法为软约束生成权重，将软约束的总数计为，则软约束对应的权重表示为： ； 其中，表示第个软约束的权重； S36：候选可视化的生成：数据定义事实、分析任务事实、字段偏好事实、可视化规则组合，形成答案集编程求解器的输入，答案集编程求解器基于线性优化算法，查找所有不违反硬约束的可视化中，软约束损失最小的前若干个可视化，形成候选可视化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。