语义驱动的数据查询与智能可视化研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 2 相关技术研究 | 第15-31页 |
| 2.1 自然语言接口简介 | 第15-16页 |
| 2.2 自然语言处理与词嵌入 | 第16-22页 |
| 2.2.1 词汇表征 | 第16-17页 |
| 2.2.2 词嵌入应用 | 第17页 |
| 2.2.3 嵌入矩阵 | 第17-18页 |
| 2.2.4 学习词嵌入 | 第18-19页 |
| 2.2.5 Word2Vec | 第19-22页 |
| 2.3 RNN神经网络 | 第22-28页 |
| 2.3.1 RNN网络模型算法 | 第23-24页 |
| 2.3.2 LSTM核心思想 | 第24-27页 |
| 2.3.3 LSTM网络方程 | 第27-28页 |
| 2.4 高维数据可视化技术 | 第28-29页 |
| 2.4.1 散点矩阵 | 第28-29页 |
| 2.4.2 平行坐标系 | 第29页 |
| 2.4.3 表格透镜 | 第29页 |
| 2.4.4 表代数框架 | 第29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 基于语义的结构化查询语句合成 | 第31-41页 |
| 3.1 NL2SQL现有方法分析 | 第31-32页 |
| 3.2 基于自然语言和表结构合成SQL查询 | 第32-33页 |
| 3.3 语义驱动的数据查询模型框架 | 第33-40页 |
| 3.3.1 基于OR语法的子句划分 | 第34-35页 |
| 3.3.2 基于依赖关系图的查询合成 | 第35-36页 |
| 3.3.3 Seq2set预测与表列名注意力机制 | 第36-38页 |
| 3.3.4 WHERE子句预测 | 第38-39页 |
| 3.3.5 SELECT子句预测 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 高维数据降维及智能可视化 | 第41-50页 |
| 4.1 语义驱动的数据查询与智能可视化工作流程 | 第41-42页 |
| 4.2 可视化编码 | 第42-44页 |
| 4.2.1 可视化中的数据类型 | 第42页 |
| 4.2.2 可视化图形符号学与视觉通道 | 第42-44页 |
| 4.3 高维数据的可视化降维 | 第44-46页 |
| 4.3.1 基于表格透镜的数据透视表 | 第44页 |
| 4.3.2 数据透视表的结构计算 | 第44-45页 |
| 4.3.3 基于扩展表代数的结构计算 | 第45-46页 |
| 4.4 图形智能推荐的设计与实现 | 第46-48页 |
| 4.4.1 图表类型推荐 | 第46-47页 |
| 4.4.2 视觉通道推荐 | 第47-48页 |
| 4.4.3 可视化信息映射 | 第48页 |
| 4.5 本章小结 | 第48-50页 |
| 5 实验结果与分析 | 第50-62页 |
| 5.1 实验数据及其预处理 | 第50-53页 |
| 5.1.1 数据集描述 | 第50-53页 |
| 5.1.2 数据集预处理 | 第53页 |
| 5.2 SDM模型评估 | 第53-56页 |
| 5.2.1 SDM模型训练 | 第53-54页 |
| 5.2.2 SDM准确率评价 | 第54-56页 |
| 5.3 可视化智能推荐评估 | 第56-58页 |
| 5.3.1 NDCG评价指标 | 第56-57页 |
| 5.3.2 基于NDCG的可视化评估 | 第57-58页 |
| 5.4 基于实例的可视化实验分析 | 第58-61页 |
| 5.4.1 交互界面 | 第58页 |
| 5.4.2 数据描述 | 第58-59页 |
| 5.4.3 实例展示 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结和展望 | 第62-64页 |
| 6.1 本文工作总结 | 第62-63页 |
| 6.2 未来工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
| A.作者在攻读学位期间发表的论文目录 | 第69页 |
