基于翻译嵌入模型的可视化推荐方法

可视化推荐与自动生成可视化可以帮助无数据可视化背景的用户快速创建有效的数据可视化。针对基于规则和机器学习的方法中工作量大和可解释性差的问题,提出一种基于知识图谱嵌入模型的方法,采用缓存自对抗负采样学习实体和关系的嵌入,构建知识图谱推理可视化设计。首先,使用基于规则的方法从数据集中抽取特征,构建知识图谱;其次,采用改进的TransH(即sTransH)模型来学习实体与关系的嵌入,解决一对多/多对一的状况;最后,根据实体的嵌入投影和平移向量来推理可视化设计选择。实验结果表明,sTransH模型在精度、平均排名(MR)、排名比例(Hit@2)等指标评估中均优于现有的TransE、TransH、RotatE和TransE-adv基线方法,验证了该模型在可视化推荐方面的有效性。