几乎每个博客里都有一个这样的插件：mt4如何画线是不是很谙习？大到散布海报，小到局部咭片，Wordle 方今处处可睹。它能够轻松的显示出一段文字的合头词，让咱们对这段话的实质众所周知。原本这属于数据可视化中的文本实质可视化，常用于社交搜集中的实质领会，还记得前几年微博有有个插件（现正在好像找不到了），用户能够一键天生本人的微博合头词，当时惹起了豪爽转发，由于许众用户的合头词出乎预料，让本人都大吃一惊。本文就从最方便的 Wordle 说起，说说文本实质可视化，以窥数据可视化一隅。

　　GraphiCon取GraphicsCon图形控之意（类比lolicon）。咱们会把咱们认为乐趣的，好玩的，有效的图形学合连的工夫，学问，念法，资讯放到GraphiCon这个小空间里。GraphiCon的po主们固然遍布天南地北，正在从事着差异的事，但都是痴迷策动机图形学的小伙伴们。只须你也对策动机图形学感趣味，或者喜爱好玩乐趣狂拽酷炫的图形项目，那么你也是GraphiCon！

　　一眼扫过去，你或许能轻松地属意到GraphiCon映现了 4 次。而尚有个合头词「图形」，固然映现了 5 次，但明显没有 GraphiCon 精通。普通阅读比拟疾的同窗或许有字斟句酌的技术，其性子即是合头词提取。霎时清楚一段话的大意，进而判定要不要花时分去读。但这完整取决于你局部提取合头字的材干。假使换一种图形的样子，或许就会尽头直观：

　　看这张图彰彰比看无味的文字要直观的众，况且还不料呈现了「策动机图形学」这个词的频率居然也挺高。它正在原文中映现了两次，这是咱们纯洁看文字很难呈现的。只是，这幅图还不是最好的效益，你或许也呈现：除了词频高的词，其他合头词很小，基础看不清；况且统统组织很零碎，空缺太众，没有一种鸠合的感到。

　　这幅比上面的又稍体面了一点，同时对词的紧要性也实行了从新统计，不再是纯洁的遵照词频。或许你认为还不敷美，那云云：

　　哈哈，尚有许众好玩的，只是例子中这段话的篇幅太短，合头词太少，是以显得不是很紧凑，许众更酷炫的样式也不实用了。

　　原本数据可视化即是把杂乱的数据转化为直观的图形，利便人们洞悉。况且刚刚这个例子还只是最方便的文本数据，假使好坏常杂乱的数据，遍及人基础看不懂的那种，就更须要数据可视化为咱们抽丝剥茧，完满出现。合于可视化的须要性我会渐渐渗出到之后的每一篇著作中，接下来出手先容 Wordle 的筑制经过。

　　任何的数据可视化都离不开三大程序[1]：领会、处罚、天生，Wordle 亦然[2]。奈何从一段文字造成一张优雅的图片，咱们也许要阅历以下程序：

　　第一步中，英文的分词相对中文来说方便的众（正在创作本文的经过中，我险些是找遍了中文标签云筑制器械，没呈现一款分词做的好的），把单词都隔离后，去掉少少助词如 the、a、that 等，再把单词的时态语态还原就好了。第二步最常用的即是策动词频了，一个词映现的次数越众它的权重越大（Wordle 即是用了词频）。除此除外，尚有效单词正在句子中的因素来判定其紧要性的、有效种种概率模子的，这涉及到自然言语处罚和文本讯息发掘，总之格式众种众样。其它，文本数据发掘无间也是热门的探讨话题，更加是中文处罚这道难以超越的边界。民众有趣味能够自行探讨。

　　上图是《数据可视化之美》的配图，分散来自美邦邦度安排探讨中央和古埃及厕纸。95 年正在动漫作品 EVA 中，词云的呈现样子也有所再现[4]。

　　这种看似乱七八糟的排布，适值与人类的跳跃头脑相契合，人脑的思途跟着视觉的跳动也随着不时联念。

　　而正在策动机上，最早的文字可视化原本是「标签云」。当年博客发作的时期，险些每个博客里都有一个云云的插件：

　　它用文字的巨细和颜色的深浅来外达了文字正在文本中的紧要性，比你纯洁看一段文字要直观的众。但它的错误也许众：从美的角度来说，它统一行假使有一个词字体非常大则直接导致行距变大，不光形成了空间的蹧跶，还让全体看起来尽头不划一、不协作；从讯息暴露的角度来说，字体的深浅巨细不行更好的再现分歧，比方上图中 good 的权重是 50，而 life 的权重是 20，但它俩看起来的差异并不大。

　　厥后映现的 Wordle 针对这些错误逐一作了改正。起初它用字体的粗度来加深权重的显示，由于人的视觉对面积的感知比对饱和度的感知要强，是以加粗字体效益拔群；其次 Wordle 用紧凑的组织给人以美的享福，你以至能够给定形式来天生差异的 Wordle。

　　Wordle 全体采用的算法是贪图算法，最出手正在给定区域内把最紧要的单词先摆到某个身分（这个身分你能够指定，日常是中央线），然后用下个单词正在它的旁边不休做交叠测试，直到没有重叠。按序迭代，直到每个单词都摆放好。

　　固然 Wordle 的安排仍然很体面，但动作一个有批判性头脑的少年，咱们仍旧要对它批判一番：

　　Wordle 体面水准很大水准依赖于它所选的字体。笃信你也睹过宋体中文的 Wordle。。

　　Wordle 算是文本实质可视化中最经典的样子，除此除外尚有少少更乐趣的，比方下图的 DocuBurst [4]。它用环形组织精巧地显示了文本的层级联系，外圈的单词是内圈单词的下一层。

　　正所谓“一图胜千言”，文本可视化把无味的文字造成乐趣的图片助助人们加深剖判，能够说是功弗成没。假使有趣味连续清楚可视化合连的实质，敬请希望下一期。

　　假使你有什么念法，倡导，或者念出席咱们，你能够：给咱们发邮件：出席咱们的QQ群：SIQGRAPH（342086343）出席咱们的slack群：GraphiConGraphiCon历久给与投稿，假使你念投稿给咱们能够通过上面的形式相干咱们！

　　本作品采用学问共享签字-非贸易性运用-禁止演绎 4.0 邦际许可允诺实行许可。

转载请注明出处。