-
公开(公告)号:CN119557368A
公开(公告)日:2025-03-04
申请号:CN202411622003.9
申请日:2024-11-14
Applicant: 北京理工大学 , 人保信息科技有限公司
Abstract: 本发明公开了一种基于大语言模型的表格数据探索式可视分析系统与方法,包括:解析原始表格数据并建立数据模型;自动化挖掘洞察并生成洞察的三种不同形式;交互模块中用户主导探索性数据分析并生成数据故事;计算模块中洞察引擎通过洞察图查找具有结构性关联的洞察;推理模块中大语言模型通过语义关联推荐进行洞察推荐。本发明能够对结构性表格数据建模,从而进行数据解析和洞察挖掘。自动化挖掘表格中潜在的洞察使得用户摆脱重复和密集的分析操作,通过融合人类直觉和见解、外部执行器的计算能力,以及大语言模型智能来增强探索性数据分析过程的交互性、透明性和可解释性,从而促进高效、直观的数据分析。
-
公开(公告)号:CN119556797A
公开(公告)日:2025-03-04
申请号:CN202411621992.X
申请日:2024-11-14
Applicant: 北京理工大学 , 人保信息科技有限公司
IPC: G06F3/01 , G06F3/04815 , G06F3/04842
Abstract: 本发明公开一种面向沉浸式环境中表格数据理解的交互选择与探索方法,包括:S1用户上传表格数据;S2在虚拟现实空间中渲染出可以交互的三维空间数据表格;S3用户使用控制器或者裸手手势对三维空间表格数据进行点选、开放路径选择和闭合路径选择共六种表格选择方式;S4反馈用户的选择操作并激活选择区域扩展功能;S5用户使用控制器或者裸手手势调整选择区域边界并最终确定。本发明极大地提升了用户在虚拟环境中的表格操作效率,特别是在数据分析和可视化过程中,用户可以更加自然、灵活地与复杂表格数据互动,促进信息探索与数据洞察的深度和广度。
-
公开(公告)号:CN119251381A
公开(公告)日:2025-01-03
申请号:CN202410938209.6
申请日:2024-07-12
Applicant: 北京理工大学 , 中国铁道科学研究院集团有限公司
Abstract: 本发明涉及一种针对高速列车转向架机械结构的沉浸式可视化系统的实现方法,包括:步骤1、动车转向架机械结构模型预处理;步骤2、面向复杂机械结构的连接矩阵构建与机械连接检测;步骤3、基于复杂拓扑图分割的机械零件集合生成等步骤。本发明所述方法的优越技术效果在于:通过多尺度、多实例场景下的高效可视化辅助技术,能够准确建立铁路系统内各个机械部件之间的关联,形成清晰的连接网络,使得复杂的机械结构得以全面而深入的呈现,并创造性地提供了整体模式、集合模式和零件模式等多种交互模式,使用户能够查看机械结构的不同层次,通过自然的抓握操作实现了与不同层次机械结构的直观交互,为用户提供更全面、更深入的了解机械结构的机会。
-
公开(公告)号:CN119003711A
公开(公告)日:2024-11-22
申请号:CN202410894912.1
申请日:2024-07-04
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/33 , G06F40/18 , G06F3/04842
Abstract: 本发明涉及一种基于大语言模型驱动的结构化数据交互提取与变换系统及其方法,所述系统包括:多表格生成模块、表格迭代派生模块、TableQuilts交互模块,所述方法包括步骤1.用户输入非结构化文本,系统对输入的文本进行预处理;步骤2.根据原始文本的内容特点分割为不同主题含义的子文本,系统将根据划分后文本的内容提取出多主题的表格等步骤;本发明的优越技术效果在于:实现了从非结构化文本中高效、准确地提取多主题的结构化表格信息,并通过用户与大语言模型的交互,不断优化提取过程,以满足用户的个性化需求,系统在提高信息处理效率和准确性的同时,增强了数据分析过程中的互动性和灵活性,适用于多种应用场景,具有广泛的应用前景和商业价值。
-
公开(公告)号:CN118171639A
公开(公告)日:2024-06-11
申请号:CN202410379943.3
申请日:2024-03-29
Applicant: 北京理工大学 , 人保信息科技有限公司
IPC: G06F40/18 , G06N3/0464 , G06N3/092 , G06F18/24 , G06F40/154
Abstract: 本发明公开一种数据洞察驱动的嵌入式层次表格可视化人机协同构建方法,采用图卷积神经网络来表示层次表格数据表头的层次结构状态,具有有效理解层次表格数据结构的能力;通过寻找数据洞察,能够发现数据中有意义的模式;基于深度强化学习算法可以有效降低人工操作的难度;并具备交互式探索数据洞察的能力,通过预先定义好的数据洞察,从单表格单元数据洞察、多表格单元数据洞察两方面发现数据中特殊的数据模式。
-
-
-
-