1、日常生活產(chǎn)生了大量的互聯(lián)網(wǎng)用戶行為數(shù)據(jù)，包括在線電子商務(wù)交易數(shù)據(jù)。為了獲得其中的時(shí)序相關(guān)，空間相關(guān)以及場(chǎng)景相關(guān)的模式，需要從不同角度對(duì)數(shù)據(jù)進(jìn)行分析?，F(xiàn)有方法針對(duì)時(shí)序交易數(shù)據(jù)進(jìn)行可視化與分析，包括對(duì)用戶交互的時(shí)序模式，用戶關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)等等。在使用傳統(tǒng)的方法進(jìn)行處理過程中，日益增長(zhǎng)的數(shù)據(jù)維度和結(jié)構(gòu)復(fù)雜性也對(duì)在線電子商務(wù)交易數(shù)據(jù)的探索提出了新的挑戰(zhàn)。
　　本文緊緊圍繞在線電子商務(wù)交易數(shù)據(jù)，針對(duì)分析師提出的不同任務(wù)對(duì)數(shù)據(jù)進(jìn)行了可視化與分析

2、。本文根據(jù)數(shù)據(jù)的多種特征進(jìn)行了如下三方面的研究:(1)時(shí)序用戶交互的可視分析。本文提出了多用戶交互探索系統(tǒng)MUIE(Multi-UserInteractionExplorer)，它允許用戶交互式地探索交易數(shù)據(jù)中的時(shí)序趨勢(shì)和上下文關(guān)聯(lián)。MUIE結(jié)合了改進(jìn)的概率決策樹算法和基于像素的時(shí)序顯著度TOS(time-of-saliency)圖，幫助分析師選取潛在感興趣的數(shù)據(jù)集合。被選取的數(shù)據(jù)進(jìn)一步使用KnotLines的可視化方法進(jìn)行探索，Kno

3、tLines可視化了交易數(shù)據(jù)中的細(xì)節(jié)信息和時(shí)序關(guān)聯(lián)。(2)交易軌跡數(shù)據(jù)的可視化。本文采用動(dòng)態(tài)可視化的方法展現(xiàn)了交易數(shù)據(jù)中的地理位置和時(shí)序信息的關(guān)聯(lián)。我們使用了核密度估計(jì)生成交易數(shù)據(jù)分布的密度場(chǎng)，并使用光照模型對(duì)其進(jìn)行繪制。本文結(jié)合硬件加速的方法，可視化不同類型軌跡的動(dòng)態(tài)趨勢(shì)。(3)多維用戶類別型數(shù)據(jù)的可視分析。本文將交易數(shù)據(jù)中的類別屬性看成離散隨機(jī)變量。重點(diǎn)可視化了離散隨機(jī)變量組合的聯(lián)合分布，條件分布等概率分布。本文提供了進(jìn)一步的可視化