基于用户体验的大数据展示项目以短文本商品分

1 概述

大数据时代的到来，对信息的呈现形式带来了新的考验，延展到电商领域，各电商平台海量商品铺开门类众多，以淘宝的商品类别为例，就呈现出的相近门类有22大项，分支出的小门类达上千种，每个小分支门类下的商品数量更是高达上万件。在如此繁多的商品数据压力下，门类归置问题和分类后商品数据呈现形式问题便成为用户的首要需求。

同时，通过前期调查研究发现，许多利用模型来进行嵌入工作的大数据项目，项目呈现形式过于粗糙单调、单一重视模型的精准度而忽略用户的体验度。模型嵌入不灵活，难以满足用户个性化需求，数据信息直接堆砌展示，用户视野杂乱且难以捕获定位信息。

基于此，文章不仅实现了使用基于TextCNN的模型对零售商品进行分类预测，还实现了单条、多条及导入文件批量商品预测；实现了基本的分页展示数据，利用词云、桑基图、区域分布图、条形图、树图、矩状树图、旭日图、饼状图、雷达图、商品分类关系图可视化多维度展示分类预测结果；同时支持数据文件和图表数据再导出分析，达到完备的功能性。真正做到分类模型精准度与用户体验度的双向提升。

2 系统总体设计

2.1 功能结构

系统前端专注于用angular7框架对后端返回的数据进行渲染，并用d3.js和echarts等技术进行可视化数据分析。

为方便对得到的数据进行进一步处理，在前端提供了商品分类信息的批量查询和导出商品分类信息；为明晰查看商品分类信息，提供了自定义图表；为准确定位商品信息，提供了关键词智能搜索。

2.2 处理流程

图1 总体功能结构图

图2 总体处理流程图

图3 结构化处理流程图

3 系统详细设计

3.1 系统功能性设计

表1 系统总功能设计表功能类型 子功能Light短文本商品分类项目 网页端（展示、传送数据）服务器（传送、处理数据）

表2 系统PC端功能设计表功能类别 子功能商品预测 单/多条商品预测模型再训练 重复训练模型预测结果展示 数据可视化数据导出预测结果搜索 多模式搜索关键词智能推荐

表3 系统服务端功能设计表功能类别 子功能数据存储 数据库操作自然语言处理深度学习监督学习数据传输 数据传输分布式计算 HDFS分布式原理数据分析

3.2 基本功能设计

表4 系统基本功能设计表功能类别 子功能商品预测 导入文件预测预测结果展示 分页展示预测结果搜索 商品名搜索

3.3 特色功能设计

表5 系统特色功能设计表功能类别 子功能提供外部API接口 实时单/多条商品预测关键词搜索智能推荐批量搜索分类搜索模型再训练 模型再训练高级搜索数据可视化维度对比占比分析数据流动分析地理维度分析层次分析聚类分析关键词分析数据导出 搜索结果数据导出数据可视化图表结果导出数据分析

4 结语

Light短文本商品分类系统在海量数据展示形式上以数据图表可视化明晰展示为基，相比传统模型嵌入项目单一展示形式，可以更好地简洁用户视野，清晰获取所需的信息。扩充数据搜索、数据导出再分析功能，能更好地提升项目完整度，给用户带来极佳的体验度。

[1]许志强，唐景峰，杨雯惠，李志军．物联网大数据可视化开发与应用[J]．信息系统工程，2020(06)：126-127．

上一篇：革命历史题材影片的德育功能探究以红岩等作品
下一篇：没有了