1.本技术涉及数据可视化领域，尤其涉及一种数据展示方法、装置、计算机设备及存储介质。
背景技术：
：：2.为了帮助企业更好地利用数据提高决策质量，商务智能(businessintelligence，bi)技术被广泛使用。商业智能是指利用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析的过程，通常包括数据收集、数据仓库的数据准备、数据可视化三大步骤。在数据可视化步骤中，用户可以通过手动指定数据的维度和度量列，生成多样化的图表，但操作过程较为繁琐；也可以选择自动展示查询到的数据，但自动展示的形式仅限于表格，较为单一。因此，亟需一种能够根据需要展示的数据自动以合适的方式进行展示的方法。技术实现要素：3.本技术的主要目的在于提供一种数据展示方法、装置、设备及计算机存储介质，旨在以合适的数据展示方式对用户需要的数据进行自动化展示。4.第一方面，本技术提供一种数据展示方法，所述数据展示方法包括以下步骤：5.获取用户基于自然语言输入的数据需求文本；6.基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；7.根据所述结构化查询语句，从目标数据表中获取目标数据；8.根据所述数据需求文本和所述目标数据，确定数据特征向量；9.基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；10.根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。11.第二方面，本技术还提供一种数据展示装置，所述数据展示装置包括：12.文本输入模块，用于获取用户基于自然语言输入的数据需求文本；13.文本转换模块，用于基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；14.目标数据确定模块，用于根据所述结构化查询语句，从目标数据表中获取目标数据；15.特征向量确定模块，用于根据所述数据需求文本和所述目标数据，确定数据特征向量；16.展示方式确定模块，用于基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；17.目标对象输出模块，用于根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。18.第三方面，本技术还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的数据展示方法。19.第四方面，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的数据展示方法。20.本技术提供一种数据展示方法、装置、设备及计算机存储介质，本技术通过获取用户基于自然语言输入的数据需求文本；21.基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；根据所述结构化查询语句，从目标数据表中的获取目标数据；根据所述数据需求文本和所述目标数据，确定数据特征向量；基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。由于基于自然语言转换模型自动根据数据需求文本确定了结构化查询语句，以及基于数据分类模型确定了适用于目标数据的目标展示方式，自动化输出多样化的目标对象，提高了数据可视化的效率以及用户的体验度。附图说明22.为了更清楚地说明本技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。23.图1为本技术一实施例提供的一种数据展示方法的流程示意图；24.图2为本技术一实施例提供的一种数据展示方法的使用场景图；25.图3为本技术一实施例提供的一种数据展示装置的示意性框图；26.图4为本技术一实施例涉及的计算机设备的结构示意框图。具体实施方式27.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。28.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。29.本技术实施例提供一种数据展示方法、装置、计算机设备及计算机可读存储介质。30.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。31.请参照图1，图1为本技术的实施例提供的一种数据展示方法的流程示意图。该数据展示方法可以用于终端或服务器中，以实现对终端设备或服务器中的数据进行展示。其中，终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备；服务器可以为独立的服务器，也可以为服务器集群，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdeliverynetwork，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。32.如图2所示，图2是本技术一实施例提供的一种使用场景图。在一些实施方式中，服务器能够获取用户基于自然语言输入的数据需求文本，确定目标数据和目标展示方式，向终端返回对应的目标对象。33.如图1所示，本技术提供的数据展示方法包括步骤s101至步骤s106。34.步骤s101、获取用户基于自然语言输入的数据需求文本。35.获取用户输入的数据展示需求文本，可以是直接获取用户在用户图形界面通过键入文字输入的数据展示需求文本；也可以是获取用户通过语音输入指示的数据展示需求，再根据用户语音输入的内容确定数据展示需求文本，在此不做限定。36.由于在数据库中查询数据需要使用结构化查询语言，没有掌握结构化查询语言的普通用户无法在数据库进行查询操作，为了降低用户的学习成本，通过自然语言输入数据查询文本进行数据查询，提高了用户体验和查询效率。37.步骤s102、基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句。38.在一些实施方式中，基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句，包括：基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量；基于编码向量中的子向量与结构化查询语句各部分的对应关系，根据所述编码向量，确定所述结构化查询语句。39.在一些实施方式中，所述结构化查询语句包括选中列部分、查询条件部分、聚合函数部分、运算关系符部分中的至少一者。所述编码向量包括选中列子向量、查询条件子向量、聚合函数子向量、运算关系符子向量中的至少一者。40.在一些实施方式中，所述基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量，包括：基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量的子向量，所述子向量包括选中列子向量、查询条件子向量、聚合函数子向量、运算关系符子向量中的至少一者。41.其中，所述选中列子向量用于指示所述结构化查询语句的选中列部分，所述选中列部分用于指示数据表中被选中的数据位于的数据列的名称，例如“selectent_type”、“select‘价格’”等。所述查询条件子向量用于指示所述结构化查询语句的查询条件部分，所述查询条件部分用于指示选择数据的标准，例如“wherecity＝＝‘深圳’”、“where(“价格”《10)”等；具体地，所述查询条件子向量包括条件列子向量、条件运算符子向量和条件值子向量，所述条件列子向量用于确定所述查询条件部分的条件列，所述条件列为查询条件部分针对的数据列的名称，例如“city”、“价格”等；所述条件运算符子向量用于确定所述查询条件部分的条件运算符，例如“＝＝”、“＜”等；所述条件值子向量用于确定所述查询条件部分的条件值，所述条件值用于指示所述条件列需要满足的条件，例如“深圳”、“10”等。所述聚合函数子向量用于指示所述结构化查询语句的聚合函数部分，所述聚合函数部分用于指示对所述选中列部分进行的操作，例如求和(“sum”)、取最大值(“max”)、取最小值(“min”)、分组(“groupby”)等。所述运算关系符子向量用于指示所述结构化查询语句的运算关系符部分，所述关系运算符部分用于指示当所述结构化查询语句中存在多个查询条件时，各个查询条件之间的关系，例如“and”、“or”等。42.例如，若所述数据展示需求文本为“深圳市不同企业类型的个数”，则基于所述自然语言转换模型，将所述数据展示需求文本进行转换得到的结构化查询语句为“selectent_typefromtablewherecity＝＝‘深圳’groupbyent_type”。该结构化查询语句中，选中列部分“selectent_type”表示从名为“ent_type”的数据列中选择数据；查询条件部分“wherecity＝＝‘深圳’”表示选中的数据需要满足的条件，其中“city”为条件列，“＝＝”为条件运算符，“深圳”为条件值；聚合函数部分“groupbyent_type”表示对选中的数据根据“ent_type”的值进行分组处理。43.在一些实施方式中，所述自然语言转换模型可以是基于bert模型实现的，所述基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句，包括：基于预训练的bert模型，根据所述数据需求文本，确定相应的结构化查询语句。当然也不限于此，所述自然语言转换模型也可以是基于其他nl2sql(naturallanguagetostructuredquerylanguage)模型实现的，在此不做限定。44.以bert模型为例，通过预先标注了相应编码向量的数据展示需求文本对所述bert模型进行迭代训练，以便预训练好的所述bert模型能够根据数据展示需求文本确定编码向量，进而通过所述编码向量确定所述数据展示需求文本对应的结构化查询语句。45.示例性地，选中列部分位于目标数据表中的位置可以通过选中列子向量确定，例如所述选中列子向量为[4]，则表示所述选中列部分位于所述目标数据表的第5列。[0046]查询条件部分中的条件列位于目标数据表中的位置可以通过条件列子向量确定，查询条件部分中的条件运算符可以通过预设的条件运算符子向量与条件运算符的对应关系确定，查询条件部分中的条件值可以通过条件值子向量确定。表1是一个实施方式中条件运算符子向量与条件运算符的对应关系，参照表1，例如所述查询条件子向量为[5,0,‘10’]，则表示所述查询条件部分为目标数据表第6列的值大于10。[0047]表1[0048]条件运算符子向量条件运算符0》1《2＝＝3！＝[0049]示例性的，所述聚合函数子向量与所述聚合函数部分的对应关系、所述运算关系符子向量与所述运算关系符部分的对应关系可以根据实际需求预先定义。表2是一个实施方式中所述聚合函数子向量与所述聚合函数部分的对应关系，表3是一个实施方式中所述运算关系符子向量与所述运算关系符部分的对应关系：[0050]表2[0051]聚合函数子向量聚合函数部分0none1avg2max3min4count5sum[0052]表3[0053]运算关系符子向量运算关系符部分0none1and2or[0054]在一些实施方式中，参照上述表1、表2和表3，若用户输入的数据需求文本为“有几家传媒公司2016年为了融资收购其他资产而进行定增”，则所述数据需求文本对应的编码向量为：“sel:[1],agg:[4],cond_conn_op:[1],conds:[[6,2,‘2016’],[7,2,“融资收购其他资产”]]”。其中选中列子向量为sel:[1]，表示选中列部分为目标数据表的第2列；聚合函数子向量为agg:[4]，表示生成的结构化查询语句中聚合函数部分为“count”；运算关系符子向量为cond_conn_op:[1]，表示生成的结构化查询语句中运算关系符部分为“and”；查询条件子向量为conds:[[6,2,‘2016’],[7,2,“融资收购其他资产”]]，表示生成的结构化查询语句中查询条件部分为：“‘年份’＝＝‘2016’”、“‘定增原因’＝＝‘融资收购其他资产’”。因此，根据以上编码向量最终生成的结构化查询语句为：selectcount(‘公司’)from‘表格名’where(‘年份’＝＝‘2016’and‘定增原因’＝＝‘融资收购其他资产’)。[0055]通过自然语言转换模型，用户只需要通过自然语言输入数据需求文本，就能够快速便捷地确定相应的结构化查询语句，降低了用户的学习成本，也降低了用户进行数据查询的复杂度，提高了用户的体验度和数据查询效率。[0056]步骤s103、根据所述结构化查询语句，从目标数据表中获取目标数据。[0057]在一些实施方式中，根据所述结构化查询语句，在数据库中执行查询操作，从目标数据表中获取目标数据。[0058]示例性的，根据所述结构化查询语句中的选中列部分确定选中列，根据所述结构化查询语句中的查询条件部分确定查询条件，所述选中列中满足所述查询条件的数据为所述目标数据。[0059]例如，若执行步骤s102得到的所述结构化查询语句为“select“名称”from“表格名”where(“价格”《10)”，则确定数据表中位于“名称”数据列、且“价格”数据列的值小于10的数据为目标数据。[0060]通过对自然语言进行转换得到的结构化查询语句在目标数据表进行查询，得到用户需要的数据，降低了用户进行数据查询的复杂度，提高了用户的体验度和数据查询效率。[0061]步骤s104、根据所述数据需求文本和所述目标数据，确定数据特征向量。[0062]在一些实施方式中，所述图表特征向量包括分词子向量、列下标子向量、数据类型子向量和时间标志子向量中的至少一种。[0063]在一些实施方式中，所述根据所述数据需求文本和所述目标数据，确定数据特征向量，包括：基于预设的分词子向量确定模型，根据所述数据需求文本确定分词子向量；基于预设的向量对应规则，根据所述目标数据确定列下标子向量、数据类型子向量、时间标志子向量中的至少一种。[0064]在一些实施方式中，对所述分词子向量，以及所述列下标子向量、所述数据类型子向量、所述时间标志子向量中的至少一种进行拼接，得到所述数据特征向量。[0065]示例性的，所述分词子向量确定模型能够对所述数据需求文本进行词条划分，得到所述数据需求文本中的至少一个分词，再通过词频-逆文本频率指数(termfrequency–inversedocumentfrequency,tf-idf)确定所述至少一个分词的子向量。示例性的，所述词频-逆文本频率指数用于指示分词在所述数据需求文本中的重要程度；具体地，所述词频-逆文本频率指数包括词频和逆文本频率；词频表示任意一个词在数据展示需求文本中出现的频率，即任意一个词在数据展示需求文本中出现的次数与数据展示需求文本中所出现词的总数的比值；逆文本频率表示任意一个词在语料库中出现的频率，即语料库中文本数与语料库中包含该词的文本数的比值的对数。具体地，所述词频-逆文本频率指数为所述词频与所述逆文本频率指数的乘积。示例性的，若一个词的词频-逆文本频率指数大于预设阈值，则表示该词的重要程度相对较高，以编码1表示该词的词向量；若一个词的词频-逆文本频率指数小于预设阈值，则表示该词重要程度相对较低，以编码0表示该词的词向量；其中，所述预设阈值可以根据实际需求设定。示例性的，所述分词子向量也可以通过其他方法确定，例如word2vec模型等，在此不做限定。[0066]示例性的，所述列下标子向量用于指示所述目标数据表中被选中的数据列。根据所述结构化查询语句的选中列部分，能够确定所述目标数据表中被选中的数据列。在一些实施方式中，所述列下标子向量可以采用独热编码(one-hotencoding)表示，通过预设的二进制向量表示数据列是否被选中。例如，以编码0表示未被选中的数据列，以编码1表示被选中的数据列，若在数据列个数为20列的数据表中，被选中的数据列为第3列和第6列，列下标子向量可以用[0,0,1,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0]表示。[0067]示例性的，数据类型子向量用于指示选中列中数据的数据类型。具体地，可以根据实际需要对数据库中不同的数据类型进行编码，以mysql数据库为例，以编码0表示不包括数据列的空位，以编码1表示数据类型为int的数据列，以编码2表示数据类型为float的数据列，以编码3表示数据类型为bool的数据列，以编码4表示数据类型为varchar的数据列，以编码5表示数据类型为datetime的数据列，则数据类型向量可以用[1,1,4,4,4,4,2,1,1,2,4,5,4,4,5,0,0,0,0,0]表示，以表明目标数据表中第1、2列数据类型为int，第3-6列数据类型为varchar，以此类推。[0068]示例性的，时间标志子向量用于指示数据位是否与时间相关。由于与时间相关的数据具有特殊性，例如能够用于反映数据的变化趋势，因此，通过时间标志向量表示数据与时间是否相关。所述时间标志子向量可以根据实际需求设置，例如，以编码1表示与时间相关的数据位，则与时间相关的数据位对应的时间标志向量为1；以编码0表示与时间无关的数据位，则与时间无关的数据位对应的时间标志向量为0。[0069]步骤s105、基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格。[0070]在一些实施方式中，所述基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型，包括：基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型，所述数据类型包括以下至少一种：比例数据、分类数据、分布数据、趋势数据；根据所述目标数据的数据类型，确定所述目标数据的目标展示方式。[0071]示例性的，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格。[0072]根据目标数据的特点，能够将所述目标数据分为不同的类型，为了更直观地向用户展示数据，不同类型的数据适用不同的目标展示方式。例如，“2021年某公司员工的性别情况”属于比例数据，适用的目标展示方式为饼状图；“深圳市不同企业类型的个数”属于分类数据，适用的目标展示方式为柱状图；“2015年到2020年南山区注册企业的发展趋势”属于趋势数据，适用的目标展示方式为为折线图。[0073]在一些实施方式中，为了提高数据展示的灵活性，所述方法在根据所述目标数据的目标展示方式，对所述目标数据进行预设处理之前，还包括：根据用户对所述目标展示方式的选择操作或调整操作，确定用户选择的或调整后的目标展示方式；所述根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象，包括：根据用户选择的或调整后的目标展示方式，对所述目标数据进行预设处理，得到用户选择的或调整后的对应的目标对象。[0074]具体地，根据所述目标数据的数据类型，输出所述目标数据的可选展示方式，以便用户选择需要的展示方式。例如，比例数据对应的目标展示方式为饼状图，但也可以通过柱状图、散点图、折线图或表格展示。向用户输出可选图表类型，增强了数据展示的灵活性，提高了用户体验。[0075]在一些实施方式中，不同数据类型对应的目标展示方式和可选展示方式如表4所示：[0076]表4[0077][0078]示例性的，所述数据分类模型可以是基于支持向量机(supportvectormachines,svm)实现的。当然所述数据类型确定模型也可以基于其他分类算法实现，例如逻辑回归算法(logisticregression,lr)等，在此不做限定。[0079]上述实施例提供的数据展示方法，通过获取用户基于自然语言输入的数据需求文本；基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；根据所述结构化查询语句，从目标数据表中获取数据为目标数据；根据所述数据需求文本和所述目标数据，确定数据特征向量；基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。能够自动化输出多样化的目标对象，提高了数据可视化的效率以及用户的体验度。[0080]请参阅图3，图3是本技术一实施例提供的一种数据展示装置的示意图，该数据展示装置可以配置于服务器或终端中，用于执行前述的数据展示方法。[0081]如图3所示，该数据展示装置包括：文本输入模块110，文本转换模块120，目标数据确定模块130，特征向量确定模块140，展示方式确定模块150，目标对象输出模块160。[0082]文本输入模块110，用于获取用户基于自然语言输入的数据需求文本；[0083]文本转换模块120，用于基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；[0084]目标数据确定模块130，用于根据所述结构化查询语句，从目标数据表中获取目标数据；[0085]特征向量确定模块140，用于根据所述数据需求文本和所述目标数据，确定数据特征向量；[0086]展示方式确定模块150，用于基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；[0087]目标对象输出模块160，用于根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。[0088]示例性的，文本转换模块120包括编码向量确定模块，查询语句确定模块。[0089]编码向量确定模块，用于基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量。[0090]查询语句确定模块，用于基于编码向量中的子向量与结构化查询语句各部分的对应关系，根据所述编码向量，确定所述结构化查询语句。[0091]示例性的，编码向量确定模块包括编码向量确定子模块。[0092]编码向量确定子模块，用于基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量的子向量，所述子向量包括选中列子向量、查询条件子向量、聚合函数子向量、运算关系符子向量中的至少一者；其中，所述选中列子向量用于指示所述结构化查询语句的选中列部分；所述查询条件子向量用于指示所述结构化查询语句的查询条件部分；所述聚合函数子向量用于指示所述结构化查询语句的聚合函数部分；所述运算关系符子向量用于指示所述结构化查询语句的运算关系符部分。[0093]示例性的，特征向量确定模块140，包括分词子向量确定模块，数据子向量确定模块、子向量拼接模块。[0094]分词子向量确定模块，用于基于预设的分词子向量确定模型，根据所述数据需求文本确定分词子向量。[0095]数据子向量确定模块，用于基于预设的向量对应规则，根据所述目标数据确定列下标子向量、数据类型子向量、时间标志子向量中的至少一种。[0096]子向量拼接模块，用于对所述分词子向量，以及所述列下标子向量、所述数据类型子向量、所述时间标志子向量中的至少一种进行拼接，得到所述数据特征向量。[0097]示例性的，展示方式确定模块105包括，数据类型确定子模块、展示方式确定子模块。[0098]数据类型确定子模块，用于基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型，所述数据类型包括以下至少一种：比例数据、分类数据、分布数据、趋势数据。[0099]展示方式确定子模块，用于根据所述目标数据的数据类型，确定所述目标数据的目标展示方式。[0100]示例性的，数据展示装置还包括，展示方式修改子模块、目标对象修改子模块。[0101]展示方式修改子模块，用于根据用户对所述目标数据的展示方式的选择操作或调整操作，确定用户选择的或调整后的目标展示方式。[0102]目标对象修改子模块，用于根据用户选择的或调整后的目标展示方式，对所述目标数据进行预设处理，得到用户选择的或调整后的对应的目标对象。[0103]示例性的，所述文本转换模块102还包括，bert模型子模块。[0104]bert模型子模块，用于基于预训练的bert模型，根据所述数据需求文本，确定相应的结构化查询语句。[0105]需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。[0106]本技术的方法、装置可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。[0107]示例性地，上述的方法、装置可以实现为一种计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。[0108]请参阅图4，图4为本技术实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器或终端。[0109]如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括存储介质和内存储器。[0110]存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种数据展示方法。[0111]处理器用于提供计算和控制能力，支撑整个计算机设备的运行。[0112]内存储器为存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种数据展示方法。[0113]该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。[0114]应当理解的是，处理器可以是中央处理单元(centralprocessingunit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。[0115]其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：[0116]获取用户基于自然语言输入的数据需求文本；[0117]基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；[0118]根据所述结构化查询语句，从目标数据表中获取目标数据；[0119]根据所述数据需求文本和所述目标数据，确定数据特征向量；[0120]基于预设的数据分类模型，根据所述数据特征向量，确定所述目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；[0121]根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。[0122]在一个实施例中，所述处理器在实现所述基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句时，用于实现：[0123]基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量；[0124]基于编码向量中的子向量与结构化查询语句各部分的对应关系，根据所述编码向量，确定所述结构化查询语句。[0125]在一个实施例中，所述处理器在实现所述基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量时，用于实现：[0126]基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量的子向量，所述子向量包括选中列子向量、查询条件子向量、聚合函数子向量、运算关系符子向量中的至少一者；[0127]其中，所述选中列子向量用于指示所述结构化查询语句的选中列部分；所述查询条件子向量用于指示所述结构化查询语句的查询条件部分；所述聚合函数子向量用于指示所述结构化查询语句的聚合函数部分；所述运算关系符子向量用于指示所述结构化查询语句的运算关系符部分。[0128]在一个实施例中，所述处理器在实现所述根据所述数据需求文本和所述目标数据，确定数据特征向量时，用于实现：[0129]基于预设的分词子向量确定模型，根据所述数据需求文本确定分词子向量；[0130]基于预设的向量对应规则，根据所述目标数据确定列下标子向量、数据类型子向量、时间标志子向量中的至少一种；[0131]对所述分词子向量，以及所述列下标子向量、所述数据类型子向量、所述时间标志子向量中的至少一种进行拼接，得到所述数据特征向量。[0132]在一个实施例中，所述处理器在实现所述基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型时，用于实现：[0133]基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型，所述数据类型包括以下至少一种：比例数据、分类数据、分布数据、趋势数据；[0134]根据所述目标数据的数据类型，确定所述目标数据的目标展示方式。[0135]在一个实施例中，所述处理器在实现所述数据展示方法时，用于实现：[0136]根据用户对所述目标展示方式的选择操作或调整操作，确定用户选择的或调整后的目标展示方式；[0137]根据用户选择的或调整后的目标展示方式，对所述目标数据进行预设处理，得到用户选择的或调整后的对应的目标对象。[0138]在一个实施例中，所述处理器在实现所述基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句时，用于实现：[0139]基于预训练的bert模型，根据所述数据需求文本，确定相应的结构化查询语句。[0140]需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述数据展示的具体工作过程，可以参考前述数据展示方法实施例中的对应过程，在此不再赘述。[0141]本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本技术数据展示方法的各个实施例。[0142]其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。[0143]应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。[0144]还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。[0145]上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本
技术领域：
：的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。当前第1页12当前第1页12
背景技术：
：：2.为了帮助企业更好地利用数据提高决策质量，商务智能(businessintelligence，bi)技术被广泛使用。商业智能是指利用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析的过程，通常包括数据收集、数据仓库的数据准备、数据可视化三大步骤。在数据可视化步骤中，用户可以通过手动指定数据的维度和度量列，生成多样化的图表，但操作过程较为繁琐；也可以选择自动展示查询到的数据，但自动展示的形式仅限于表格，较为单一。因此，亟需一种能够根据需要展示的数据自动以合适的方式进行展示的方法。技术实现要素：3.本技术的主要目的在于提供一种数据展示方法、装置、设备及计算机存储介质，旨在以合适的数据展示方式对用户需要的数据进行自动化展示。4.第一方面，本技术提供一种数据展示方法，所述数据展示方法包括以下步骤：5.获取用户基于自然语言输入的数据需求文本；6.基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；7.根据所述结构化查询语句，从目标数据表中获取目标数据；8.根据所述数据需求文本和所述目标数据，确定数据特征向量；9.基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；10.根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。11.第二方面，本技术还提供一种数据展示装置，所述数据展示装置包括：12.文本输入模块，用于获取用户基于自然语言输入的数据需求文本；13.文本转换模块，用于基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；14.目标数据确定模块，用于根据所述结构化查询语句，从目标数据表中获取目标数据；15.特征向量确定模块，用于根据所述数据需求文本和所述目标数据，确定数据特征向量；16.展示方式确定模块，用于基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；17.目标对象输出模块，用于根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。18.第三方面，本技术还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的数据展示方法。19.第四方面，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的数据展示方法。20.本技术提供一种数据展示方法、装置、设备及计算机存储介质，本技术通过获取用户基于自然语言输入的数据需求文本；21.基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；根据所述结构化查询语句，从目标数据表中的获取目标数据；根据所述数据需求文本和所述目标数据，确定数据特征向量；基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。由于基于自然语言转换模型自动根据数据需求文本确定了结构化查询语句，以及基于数据分类模型确定了适用于目标数据的目标展示方式，自动化输出多样化的目标对象，提高了数据可视化的效率以及用户的体验度。附图说明22.为了更清楚地说明本技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。23.图1为本技术一实施例提供的一种数据展示方法的流程示意图；24.图2为本技术一实施例提供的一种数据展示方法的使用场景图；25.图3为本技术一实施例提供的一种数据展示装置的示意性框图；26.图4为本技术一实施例涉及的计算机设备的结构示意框图。具体实施方式27.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。28.附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。29.本技术实施例提供一种数据展示方法、装置、计算机设备及计算机可读存储介质。30.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。31.请参照图1，图1为本技术的实施例提供的一种数据展示方法的流程示意图。该数据展示方法可以用于终端或服务器中，以实现对终端设备或服务器中的数据进行展示。其中，终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备；服务器可以为独立的服务器，也可以为服务器集群，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdeliverynetwork，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。32.如图2所示，图2是本技术一实施例提供的一种使用场景图。在一些实施方式中，服务器能够获取用户基于自然语言输入的数据需求文本，确定目标数据和目标展示方式，向终端返回对应的目标对象。33.如图1所示，本技术提供的数据展示方法包括步骤s101至步骤s106。34.步骤s101、获取用户基于自然语言输入的数据需求文本。35.获取用户输入的数据展示需求文本，可以是直接获取用户在用户图形界面通过键入文字输入的数据展示需求文本；也可以是获取用户通过语音输入指示的数据展示需求，再根据用户语音输入的内容确定数据展示需求文本，在此不做限定。36.由于在数据库中查询数据需要使用结构化查询语言，没有掌握结构化查询语言的普通用户无法在数据库进行查询操作，为了降低用户的学习成本，通过自然语言输入数据查询文本进行数据查询，提高了用户体验和查询效率。37.步骤s102、基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句。38.在一些实施方式中，基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句，包括：基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量；基于编码向量中的子向量与结构化查询语句各部分的对应关系，根据所述编码向量，确定所述结构化查询语句。39.在一些实施方式中，所述结构化查询语句包括选中列部分、查询条件部分、聚合函数部分、运算关系符部分中的至少一者。所述编码向量包括选中列子向量、查询条件子向量、聚合函数子向量、运算关系符子向量中的至少一者。40.在一些实施方式中，所述基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量，包括：基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量的子向量，所述子向量包括选中列子向量、查询条件子向量、聚合函数子向量、运算关系符子向量中的至少一者。41.其中，所述选中列子向量用于指示所述结构化查询语句的选中列部分，所述选中列部分用于指示数据表中被选中的数据位于的数据列的名称，例如“selectent_type”、“select‘价格’”等。所述查询条件子向量用于指示所述结构化查询语句的查询条件部分，所述查询条件部分用于指示选择数据的标准，例如“wherecity＝＝‘深圳’”、“where(“价格”《10)”等；具体地，所述查询条件子向量包括条件列子向量、条件运算符子向量和条件值子向量，所述条件列子向量用于确定所述查询条件部分的条件列，所述条件列为查询条件部分针对的数据列的名称，例如“city”、“价格”等；所述条件运算符子向量用于确定所述查询条件部分的条件运算符，例如“＝＝”、“＜”等；所述条件值子向量用于确定所述查询条件部分的条件值，所述条件值用于指示所述条件列需要满足的条件，例如“深圳”、“10”等。所述聚合函数子向量用于指示所述结构化查询语句的聚合函数部分，所述聚合函数部分用于指示对所述选中列部分进行的操作，例如求和(“sum”)、取最大值(“max”)、取最小值(“min”)、分组(“groupby”)等。所述运算关系符子向量用于指示所述结构化查询语句的运算关系符部分，所述关系运算符部分用于指示当所述结构化查询语句中存在多个查询条件时，各个查询条件之间的关系，例如“and”、“or”等。42.例如，若所述数据展示需求文本为“深圳市不同企业类型的个数”，则基于所述自然语言转换模型，将所述数据展示需求文本进行转换得到的结构化查询语句为“selectent_typefromtablewherecity＝＝‘深圳’groupbyent_type”。该结构化查询语句中，选中列部分“selectent_type”表示从名为“ent_type”的数据列中选择数据；查询条件部分“wherecity＝＝‘深圳’”表示选中的数据需要满足的条件，其中“city”为条件列，“＝＝”为条件运算符，“深圳”为条件值；聚合函数部分“groupbyent_type”表示对选中的数据根据“ent_type”的值进行分组处理。43.在一些实施方式中，所述自然语言转换模型可以是基于bert模型实现的，所述基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句，包括：基于预训练的bert模型，根据所述数据需求文本，确定相应的结构化查询语句。当然也不限于此，所述自然语言转换模型也可以是基于其他nl2sql(naturallanguagetostructuredquerylanguage)模型实现的，在此不做限定。44.以bert模型为例，通过预先标注了相应编码向量的数据展示需求文本对所述bert模型进行迭代训练，以便预训练好的所述bert模型能够根据数据展示需求文本确定编码向量，进而通过所述编码向量确定所述数据展示需求文本对应的结构化查询语句。45.示例性地，选中列部分位于目标数据表中的位置可以通过选中列子向量确定，例如所述选中列子向量为[4]，则表示所述选中列部分位于所述目标数据表的第5列。[0046]查询条件部分中的条件列位于目标数据表中的位置可以通过条件列子向量确定，查询条件部分中的条件运算符可以通过预设的条件运算符子向量与条件运算符的对应关系确定，查询条件部分中的条件值可以通过条件值子向量确定。表1是一个实施方式中条件运算符子向量与条件运算符的对应关系，参照表1，例如所述查询条件子向量为[5,0,‘10’]，则表示所述查询条件部分为目标数据表第6列的值大于10。[0047]表1[0048]条件运算符子向量条件运算符0》1《2＝＝3！＝[0049]示例性的，所述聚合函数子向量与所述聚合函数部分的对应关系、所述运算关系符子向量与所述运算关系符部分的对应关系可以根据实际需求预先定义。表2是一个实施方式中所述聚合函数子向量与所述聚合函数部分的对应关系，表3是一个实施方式中所述运算关系符子向量与所述运算关系符部分的对应关系：[0050]表2[0051]聚合函数子向量聚合函数部分0none1avg2max3min4count5sum[0052]表3[0053]运算关系符子向量运算关系符部分0none1and2or[0054]在一些实施方式中，参照上述表1、表2和表3，若用户输入的数据需求文本为“有几家传媒公司2016年为了融资收购其他资产而进行定增”，则所述数据需求文本对应的编码向量为：“sel:[1],agg:[4],cond_conn_op:[1],conds:[[6,2,‘2016’],[7,2,“融资收购其他资产”]]”。其中选中列子向量为sel:[1]，表示选中列部分为目标数据表的第2列；聚合函数子向量为agg:[4]，表示生成的结构化查询语句中聚合函数部分为“count”；运算关系符子向量为cond_conn_op:[1]，表示生成的结构化查询语句中运算关系符部分为“and”；查询条件子向量为conds:[[6,2,‘2016’],[7,2,“融资收购其他资产”]]，表示生成的结构化查询语句中查询条件部分为：“‘年份’＝＝‘2016’”、“‘定增原因’＝＝‘融资收购其他资产’”。因此，根据以上编码向量最终生成的结构化查询语句为：selectcount(‘公司’)from‘表格名’where(‘年份’＝＝‘2016’and‘定增原因’＝＝‘融资收购其他资产’)。[0055]通过自然语言转换模型，用户只需要通过自然语言输入数据需求文本，就能够快速便捷地确定相应的结构化查询语句，降低了用户的学习成本，也降低了用户进行数据查询的复杂度，提高了用户的体验度和数据查询效率。[0056]步骤s103、根据所述结构化查询语句，从目标数据表中获取目标数据。[0057]在一些实施方式中，根据所述结构化查询语句，在数据库中执行查询操作，从目标数据表中获取目标数据。[0058]示例性的，根据所述结构化查询语句中的选中列部分确定选中列，根据所述结构化查询语句中的查询条件部分确定查询条件，所述选中列中满足所述查询条件的数据为所述目标数据。[0059]例如，若执行步骤s102得到的所述结构化查询语句为“select“名称”from“表格名”where(“价格”《10)”，则确定数据表中位于“名称”数据列、且“价格”数据列的值小于10的数据为目标数据。[0060]通过对自然语言进行转换得到的结构化查询语句在目标数据表进行查询，得到用户需要的数据，降低了用户进行数据查询的复杂度，提高了用户的体验度和数据查询效率。[0061]步骤s104、根据所述数据需求文本和所述目标数据，确定数据特征向量。[0062]在一些实施方式中，所述图表特征向量包括分词子向量、列下标子向量、数据类型子向量和时间标志子向量中的至少一种。[0063]在一些实施方式中，所述根据所述数据需求文本和所述目标数据，确定数据特征向量，包括：基于预设的分词子向量确定模型，根据所述数据需求文本确定分词子向量；基于预设的向量对应规则，根据所述目标数据确定列下标子向量、数据类型子向量、时间标志子向量中的至少一种。[0064]在一些实施方式中，对所述分词子向量，以及所述列下标子向量、所述数据类型子向量、所述时间标志子向量中的至少一种进行拼接，得到所述数据特征向量。[0065]示例性的，所述分词子向量确定模型能够对所述数据需求文本进行词条划分，得到所述数据需求文本中的至少一个分词，再通过词频-逆文本频率指数(termfrequency–inversedocumentfrequency,tf-idf)确定所述至少一个分词的子向量。示例性的，所述词频-逆文本频率指数用于指示分词在所述数据需求文本中的重要程度；具体地，所述词频-逆文本频率指数包括词频和逆文本频率；词频表示任意一个词在数据展示需求文本中出现的频率，即任意一个词在数据展示需求文本中出现的次数与数据展示需求文本中所出现词的总数的比值；逆文本频率表示任意一个词在语料库中出现的频率，即语料库中文本数与语料库中包含该词的文本数的比值的对数。具体地，所述词频-逆文本频率指数为所述词频与所述逆文本频率指数的乘积。示例性的，若一个词的词频-逆文本频率指数大于预设阈值，则表示该词的重要程度相对较高，以编码1表示该词的词向量；若一个词的词频-逆文本频率指数小于预设阈值，则表示该词重要程度相对较低，以编码0表示该词的词向量；其中，所述预设阈值可以根据实际需求设定。示例性的，所述分词子向量也可以通过其他方法确定，例如word2vec模型等，在此不做限定。[0066]示例性的，所述列下标子向量用于指示所述目标数据表中被选中的数据列。根据所述结构化查询语句的选中列部分，能够确定所述目标数据表中被选中的数据列。在一些实施方式中，所述列下标子向量可以采用独热编码(one-hotencoding)表示，通过预设的二进制向量表示数据列是否被选中。例如，以编码0表示未被选中的数据列，以编码1表示被选中的数据列，若在数据列个数为20列的数据表中，被选中的数据列为第3列和第6列，列下标子向量可以用[0,0,1,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0]表示。[0067]示例性的，数据类型子向量用于指示选中列中数据的数据类型。具体地，可以根据实际需要对数据库中不同的数据类型进行编码，以mysql数据库为例，以编码0表示不包括数据列的空位，以编码1表示数据类型为int的数据列，以编码2表示数据类型为float的数据列，以编码3表示数据类型为bool的数据列，以编码4表示数据类型为varchar的数据列，以编码5表示数据类型为datetime的数据列，则数据类型向量可以用[1,1,4,4,4,4,2,1,1,2,4,5,4,4,5,0,0,0,0,0]表示，以表明目标数据表中第1、2列数据类型为int，第3-6列数据类型为varchar，以此类推。[0068]示例性的，时间标志子向量用于指示数据位是否与时间相关。由于与时间相关的数据具有特殊性，例如能够用于反映数据的变化趋势，因此，通过时间标志向量表示数据与时间是否相关。所述时间标志子向量可以根据实际需求设置，例如，以编码1表示与时间相关的数据位，则与时间相关的数据位对应的时间标志向量为1；以编码0表示与时间无关的数据位，则与时间无关的数据位对应的时间标志向量为0。[0069]步骤s105、基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格。[0070]在一些实施方式中，所述基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型，包括：基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型，所述数据类型包括以下至少一种：比例数据、分类数据、分布数据、趋势数据；根据所述目标数据的数据类型，确定所述目标数据的目标展示方式。[0071]示例性的，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格。[0072]根据目标数据的特点，能够将所述目标数据分为不同的类型，为了更直观地向用户展示数据，不同类型的数据适用不同的目标展示方式。例如，“2021年某公司员工的性别情况”属于比例数据，适用的目标展示方式为饼状图；“深圳市不同企业类型的个数”属于分类数据，适用的目标展示方式为柱状图；“2015年到2020年南山区注册企业的发展趋势”属于趋势数据，适用的目标展示方式为为折线图。[0073]在一些实施方式中，为了提高数据展示的灵活性，所述方法在根据所述目标数据的目标展示方式，对所述目标数据进行预设处理之前，还包括：根据用户对所述目标展示方式的选择操作或调整操作，确定用户选择的或调整后的目标展示方式；所述根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象，包括：根据用户选择的或调整后的目标展示方式，对所述目标数据进行预设处理，得到用户选择的或调整后的对应的目标对象。[0074]具体地，根据所述目标数据的数据类型，输出所述目标数据的可选展示方式，以便用户选择需要的展示方式。例如，比例数据对应的目标展示方式为饼状图，但也可以通过柱状图、散点图、折线图或表格展示。向用户输出可选图表类型，增强了数据展示的灵活性，提高了用户体验。[0075]在一些实施方式中，不同数据类型对应的目标展示方式和可选展示方式如表4所示：[0076]表4[0077][0078]示例性的，所述数据分类模型可以是基于支持向量机(supportvectormachines,svm)实现的。当然所述数据类型确定模型也可以基于其他分类算法实现，例如逻辑回归算法(logisticregression,lr)等，在此不做限定。[0079]上述实施例提供的数据展示方法，通过获取用户基于自然语言输入的数据需求文本；基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；根据所述结构化查询语句，从目标数据表中获取数据为目标数据；根据所述数据需求文本和所述目标数据，确定数据特征向量；基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。能够自动化输出多样化的目标对象，提高了数据可视化的效率以及用户的体验度。[0080]请参阅图3，图3是本技术一实施例提供的一种数据展示装置的示意图，该数据展示装置可以配置于服务器或终端中，用于执行前述的数据展示方法。[0081]如图3所示，该数据展示装置包括：文本输入模块110，文本转换模块120，目标数据确定模块130，特征向量确定模块140，展示方式确定模块150，目标对象输出模块160。[0082]文本输入模块110，用于获取用户基于自然语言输入的数据需求文本；[0083]文本转换模块120，用于基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；[0084]目标数据确定模块130，用于根据所述结构化查询语句，从目标数据表中获取目标数据；[0085]特征向量确定模块140，用于根据所述数据需求文本和所述目标数据，确定数据特征向量；[0086]展示方式确定模块150，用于基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；[0087]目标对象输出模块160，用于根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。[0088]示例性的，文本转换模块120包括编码向量确定模块，查询语句确定模块。[0089]编码向量确定模块，用于基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量。[0090]查询语句确定模块，用于基于编码向量中的子向量与结构化查询语句各部分的对应关系，根据所述编码向量，确定所述结构化查询语句。[0091]示例性的，编码向量确定模块包括编码向量确定子模块。[0092]编码向量确定子模块，用于基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量的子向量，所述子向量包括选中列子向量、查询条件子向量、聚合函数子向量、运算关系符子向量中的至少一者；其中，所述选中列子向量用于指示所述结构化查询语句的选中列部分；所述查询条件子向量用于指示所述结构化查询语句的查询条件部分；所述聚合函数子向量用于指示所述结构化查询语句的聚合函数部分；所述运算关系符子向量用于指示所述结构化查询语句的运算关系符部分。[0093]示例性的，特征向量确定模块140，包括分词子向量确定模块，数据子向量确定模块、子向量拼接模块。[0094]分词子向量确定模块，用于基于预设的分词子向量确定模型，根据所述数据需求文本确定分词子向量。[0095]数据子向量确定模块，用于基于预设的向量对应规则，根据所述目标数据确定列下标子向量、数据类型子向量、时间标志子向量中的至少一种。[0096]子向量拼接模块，用于对所述分词子向量，以及所述列下标子向量、所述数据类型子向量、所述时间标志子向量中的至少一种进行拼接，得到所述数据特征向量。[0097]示例性的，展示方式确定模块105包括，数据类型确定子模块、展示方式确定子模块。[0098]数据类型确定子模块，用于基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型，所述数据类型包括以下至少一种：比例数据、分类数据、分布数据、趋势数据。[0099]展示方式确定子模块，用于根据所述目标数据的数据类型，确定所述目标数据的目标展示方式。[0100]示例性的，数据展示装置还包括，展示方式修改子模块、目标对象修改子模块。[0101]展示方式修改子模块，用于根据用户对所述目标数据的展示方式的选择操作或调整操作，确定用户选择的或调整后的目标展示方式。[0102]目标对象修改子模块，用于根据用户选择的或调整后的目标展示方式，对所述目标数据进行预设处理，得到用户选择的或调整后的对应的目标对象。[0103]示例性的，所述文本转换模块102还包括，bert模型子模块。[0104]bert模型子模块，用于基于预训练的bert模型，根据所述数据需求文本，确定相应的结构化查询语句。[0105]需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。[0106]本技术的方法、装置可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。[0107]示例性地，上述的方法、装置可以实现为一种计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。[0108]请参阅图4，图4为本技术实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器或终端。[0109]如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括存储介质和内存储器。[0110]存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种数据展示方法。[0111]处理器用于提供计算和控制能力，支撑整个计算机设备的运行。[0112]内存储器为存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种数据展示方法。[0113]该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。[0114]应当理解的是，处理器可以是中央处理单元(centralprocessingunit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。[0115]其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：[0116]获取用户基于自然语言输入的数据需求文本；[0117]基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句；[0118]根据所述结构化查询语句，从目标数据表中获取目标数据；[0119]根据所述数据需求文本和所述目标数据，确定数据特征向量；[0120]基于预设的数据分类模型，根据所述数据特征向量，确定所述目标展示方式，所述目标展示方式包括以下至少一种：饼状图、柱状图、散点图、折线图、表格；[0121]根据所述目标展示方式，对所述目标数据进行预设处理，得到所述目标展示方式对应的目标对象。[0122]在一个实施例中，所述处理器在实现所述基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句时，用于实现：[0123]基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量；[0124]基于编码向量中的子向量与结构化查询语句各部分的对应关系，根据所述编码向量，确定所述结构化查询语句。[0125]在一个实施例中，所述处理器在实现所述基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量时，用于实现：[0126]基于预设的自然语言转换模型，根据所述数据需求文本，确定对应的编码向量的子向量，所述子向量包括选中列子向量、查询条件子向量、聚合函数子向量、运算关系符子向量中的至少一者；[0127]其中，所述选中列子向量用于指示所述结构化查询语句的选中列部分；所述查询条件子向量用于指示所述结构化查询语句的查询条件部分；所述聚合函数子向量用于指示所述结构化查询语句的聚合函数部分；所述运算关系符子向量用于指示所述结构化查询语句的运算关系符部分。[0128]在一个实施例中，所述处理器在实现所述根据所述数据需求文本和所述目标数据，确定数据特征向量时，用于实现：[0129]基于预设的分词子向量确定模型，根据所述数据需求文本确定分词子向量；[0130]基于预设的向量对应规则，根据所述目标数据确定列下标子向量、数据类型子向量、时间标志子向量中的至少一种；[0131]对所述分词子向量，以及所述列下标子向量、所述数据类型子向量、所述时间标志子向量中的至少一种进行拼接，得到所述数据特征向量。[0132]在一个实施例中，所述处理器在实现所述基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型时，用于实现：[0133]基于预设的数据分类模型，根据所述数据特征向量，确定所述目标数据的数据类型，所述数据类型包括以下至少一种：比例数据、分类数据、分布数据、趋势数据；[0134]根据所述目标数据的数据类型，确定所述目标数据的目标展示方式。[0135]在一个实施例中，所述处理器在实现所述数据展示方法时，用于实现：[0136]根据用户对所述目标展示方式的选择操作或调整操作，确定用户选择的或调整后的目标展示方式；[0137]根据用户选择的或调整后的目标展示方式，对所述目标数据进行预设处理，得到用户选择的或调整后的对应的目标对象。[0138]在一个实施例中，所述处理器在实现所述基于预设的自然语言转换模型，根据所述数据需求文本，确定相应的结构化查询语句时，用于实现：[0139]基于预训练的bert模型，根据所述数据需求文本，确定相应的结构化查询语句。[0140]需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述数据展示的具体工作过程，可以参考前述数据展示方法实施例中的对应过程，在此不再赘述。[0141]本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本技术数据展示方法的各个实施例。[0142]其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。[0143]应当理解，在此本技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本技术。如在本技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。[0144]还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。[0145]上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本
技术领域：
：的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
