陳紅倩 溫玉琳 楊倩玉 李 慧

1(北京工商大學(xué)計算機與信息工程學(xué)院食品安全大數(shù)據(jù)技術(shù)北京市重點實驗室 北京 100048)2(北京聯(lián)合大學(xué)管理學(xué)院 北京 100101)

0 引 言

食品安全問題目前是中國最重要的問題之一，食品安全主要由生物因素和化學(xué)因素引起，其中化學(xué)因素便涉及到農(nóng)產(chǎn)品中的農(nóng)藥化學(xué)污染殘留，簡稱為農(nóng)殘。目前市面上公布的蔬菜農(nóng)殘檢測結(jié)果主要來自于政府、第三方檢測機構(gòu)和媒體等相關(guān)部門?，F(xiàn)有的Excel、Tableau等數(shù)據(jù)分析軟件，雖然可以很好地通過數(shù)學(xué)運算與圖形結(jié)合的方式完成數(shù)據(jù)分析工作，但對于沒有專業(yè)知識的人來說難以迅速上手，屬性較多操作復(fù)雜，且數(shù)據(jù)量不夠大。采用數(shù)據(jù)挖掘的方式需要在前期對數(shù)據(jù)預(yù)處理做大量的工作，但大部分分析都只是針對一種MRL進行分析，無法進行綜合比較和數(shù)據(jù)評價。此外，針對不同地區(qū)，對采樣策略、快速采樣決策，以及實現(xiàn)整體性食品安全管控，還未有詳盡的支持。

本文針對專業(yè)人員和非專業(yè)人員設(shè)計了一個基于分類統(tǒng)計的多視圖聯(lián)動農(nóng)殘可視分析系統(tǒng)。采用了地理數(shù)據(jù)可視化技術(shù)和層次數(shù)據(jù)可視化技術(shù)，直觀地展示了農(nóng)產(chǎn)品的所屬地區(qū)、產(chǎn)品分類，可以對大量數(shù)據(jù)進行概覽，提高數(shù)據(jù)分析的效率。并利用多重放射環(huán)的方法快速將農(nóng)產(chǎn)品按照毒性進行分類，設(shè)計了一系列交互手段去支持用戶根據(jù)選擇年份、地區(qū)來查看農(nóng)殘污染情況，實現(xiàn)多MRL標(biāo)準(zhǔn)對比。同時可以進行綜合分析和數(shù)據(jù)評價，快速獲知哪些地區(qū)的農(nóng)藥殘留量普遍超標(biāo)或有高劇毒農(nóng)藥檢出，獲知哪些地區(qū)的農(nóng)產(chǎn)品需要重點關(guān)注，為市場管理機構(gòu)提供決策支持。

本文的主要分析任務(wù)如下：

(1) 能夠顯示某一地區(qū)的采樣農(nóng)產(chǎn)品種類及超標(biāo)樣例數(shù)，并進行多國MRL標(biāo)準(zhǔn)對比。

(2) 能夠得知某一毒性下的采樣農(nóng)產(chǎn)品種類及樣例數(shù)，并顯示特定采樣農(nóng)產(chǎn)品殘留農(nóng)藥的品種、檢出頻次等。

(3) 能夠根據(jù)篩選，對多地區(qū)高效進行農(nóng)藥殘留對比分析。

1 相關(guān)工作

1.1 食品安全數(shù)據(jù)分析現(xiàn)狀

在食品安全研究領(lǐng)域中，國內(nèi)外很多專家學(xué)者在食品安全領(lǐng)域進行了不懈的努力，并取得了很多重要的成果。目前針對農(nóng)殘檢測數(shù)據(jù)的分析，主要有以下幾類研究：(1) 借鑒領(lǐng)域上專家學(xué)者的經(jīng)驗知識來進行數(shù)據(jù)分析，這種手段雖然具有快速性，但是無法保證其準(zhǔn)確性和充分性。(2) 一些領(lǐng)域?qū)＜彝ㄟ^統(tǒng)計分析方法進行數(shù)據(jù)分析，但這種分析數(shù)據(jù)量小，只能分析概況，無法針對特殊內(nèi)容進行細(xì)節(jié)分析。(3) 一些專家學(xué)者使用一些經(jīng)典的數(shù)據(jù)挖掘方法來對食品安全數(shù)據(jù)進行檢測與分析，但由于食品安全數(shù)據(jù)的特殊性，這些方法有時會得出一些錯誤結(jié)論。

數(shù)據(jù)可視化以更直觀的方式表達(dá)數(shù)據(jù)信息，已被可視化領(lǐng)域眾多專家證明其為一種高效獲取信息的方法，文獻[1]指出“可視化技術(shù)是數(shù)據(jù)分析與信息獲取的重要手段”。文獻[2]指出將專家知識引入數(shù)據(jù)挖掘過程，從而在可視化結(jié)果中尋找數(shù)據(jù)可能存在的模式。而在可視化技術(shù)方面，文獻[3]提出目前數(shù)據(jù)可視化主要集中于層次數(shù)據(jù)和高維數(shù)據(jù)的研究。本文結(jié)合可視化技術(shù)，提出了一種高效的針對農(nóng)殘檢測數(shù)據(jù)的多MRL分析系統(tǒng)，農(nóng)殘檢測數(shù)據(jù)具有顯著的層次結(jié)構(gòu)，如農(nóng)產(chǎn)品的分類、農(nóng)藥的分類等。同時農(nóng)藥檢出分布在國家不同區(qū)域，還需考慮地理數(shù)據(jù)可視化技術(shù)。因此將從兩個方面討論與該可視化系統(tǒng)的相關(guān)工作。

1.2 層次數(shù)據(jù)可視化技術(shù)

層次數(shù)據(jù)是一種常見的數(shù)據(jù)類型，注重表達(dá)數(shù)據(jù)間的層次關(guān)系。層次關(guān)系主要分為包含和從屬兩類，也可以表示邏輯上的承接關(guān)系。層次數(shù)據(jù)可視化主要分為三類：

(1) 節(jié)點-鏈接法 這種方法清晰直觀，擅長表達(dá)層次結(jié)構(gòu)，但不利于廣度和深度相差較大時的布局，代表技術(shù)有徑向樹[4]等。

(2) 空間填充法 空間填充法相對節(jié)點-鏈接法弱于層次結(jié)構(gòu)的表達(dá)，提高了空間利用率?？臻g填充法主要分為樹圖[5]和徑向布局[6]兩類典型方法。樹圖采用矩形表示節(jié)點，通過矩形的嵌套表達(dá)父子關(guān)系；徑向布局類似于節(jié)點-鏈接法里面的徑向樹，但其采用放射環(huán)填充的形式改善了空間利用率，并且比樹圖更注重層次關(guān)系。

(3) 混合布局 節(jié)點-鏈接法和空間填充法各有優(yōu)缺點，將兩者組合可以結(jié)合雙方的優(yōu)勢。這種組合設(shè)計的方法實現(xiàn)了可視化的多樣性，將方法的優(yōu)勢最大化，但也會造成可視化結(jié)果的復(fù)雜化。如文獻[7]提出的顯性+隱性的布局方法、文獻[8]提出的Flexible Trees布局。

1.3 地理數(shù)據(jù)可視化技術(shù)

地理數(shù)據(jù)描述了一個對象在真實空間中的位置，目前最傳統(tǒng)最常用的地理數(shù)據(jù)可視化技術(shù)分為以下三類[9]:

(1) 點數(shù)據(jù)可視化 常用的點數(shù)據(jù)可視化方法是將對象根據(jù)坐標(biāo)直接標(biāo)識在地圖上，例如文獻[10]面向世界各國貿(mào)易數(shù)據(jù)設(shè)計了基于點的地理數(shù)據(jù)可視化，文獻[11]設(shè)計熱力圖展示美國冠軍在Twitter上發(fā)布的推文數(shù)量信息等。點數(shù)據(jù)可視化可以在有限的空間中展示大量的信息。

(2) 線數(shù)據(jù)可視化 繪制連線的時候通常采用不同的可視化方法來達(dá)到最好的效果，減少線段之間的重疊和交叉，增加可讀性。當(dāng)數(shù)據(jù)量太大時，會造成嚴(yán)重的視覺混淆，如果是為了理解數(shù)據(jù)整體模式，則可以采用適當(dāng)?shù)暮喕椒?，例如文獻[12]面向大量的船舶運輸軌跡利用捆綁技術(shù)設(shè)計了基于線的地理數(shù)據(jù)可視化。

(3) 區(qū)域數(shù)據(jù)可視化 可視化區(qū)域數(shù)據(jù)的目的是為了表現(xiàn)區(qū)域的屬性，最常見的方法就是顏色映射值。文獻[13]針對傳統(tǒng)地圖的缺陷設(shè)計了貝葉斯可視化方法，分析了加拿大各省的犯罪情況。

2 單區(qū)域數(shù)據(jù)可視化方法

農(nóng)殘檢測數(shù)據(jù)主要包含采樣點、農(nóng)產(chǎn)品、農(nóng)藥、農(nóng)殘檢測值四大類數(shù)據(jù)，是典型的層次地理型數(shù)據(jù)。從分析各采樣點農(nóng)產(chǎn)品中是否檢測出農(nóng)藥的實際需求出發(fā)，需要針對各個采樣點采集的農(nóng)產(chǎn)品，每種農(nóng)產(chǎn)品采樣的多個樣本，每個樣本的農(nóng)藥檢出情況和農(nóng)藥的檢出頻次，檢出農(nóng)藥殘留值與農(nóng)藥毒性等相關(guān)信息進行深入的對比分析。除此之外，應(yīng)使用不同國家或地區(qū)組織的MRL標(biāo)準(zhǔn)數(shù)據(jù)對采樣點的各項數(shù)據(jù)進行統(tǒng)計對比，判定劃分出超標(biāo)與未超標(biāo)的農(nóng)產(chǎn)品，以提高判定的全面性。

單區(qū)域數(shù)據(jù)可視化方法原理如圖1所示，它將根節(jié)點設(shè)計為餅圖置于中心圓環(huán)，用以區(qū)分無檢出、中低毒檢出和高劇毒檢出三大類，分別映射為A、B、C三個區(qū)域。外射的同心環(huán)以圓環(huán)向外輻射的方式逐級表達(dá)層次關(guān)系而并非同級關(guān)系，采用堆疊圖的形式表示未超標(biāo)/超標(biāo)數(shù)據(jù)的占比。

圖1 單區(qū)域數(shù)據(jù)可視化示意圖

2.1 檢測結(jié)果分類數(shù)據(jù)展示方法

檢測結(jié)果分為無檢出、中低毒檢出和高劇毒檢出三大類，在本文中通過圖1中的A、B、C三個區(qū)域進行展示。

2.1.1 內(nèi)徑映射與計算

A、B、C區(qū)域半徑為整個區(qū)域內(nèi)徑，內(nèi)徑映射為單采樣點的采樣樣例數(shù)，根據(jù)本文數(shù)據(jù)集，內(nèi)徑映射如下所示:

(1)

首先將全部采樣點的樣例數(shù)作為一個集合Num，計算集合最大值Num.max和最小值Num.min；然后根據(jù)實際繪制效果，自定義映射區(qū)間[min,max]；最后根據(jù)式(1)將內(nèi)徑映射為數(shù)值radius.in。A、B、C三區(qū)分別代表了無農(nóng)藥檢出、中低毒農(nóng)藥檢出和高劇毒農(nóng)藥檢出。

2.1.2 角度映射與計算

將無農(nóng)藥檢出類、中低毒農(nóng)藥檢出類、高劇毒農(nóng)藥檢出類映射為圖1中的A、B、C三區(qū)，并依次計算占比。圓心角的計算如下所示：

(2)

式中：n為檢測種類數(shù)；xi為第i種檢出類的樣例數(shù)。θi為起始角度開始到第i個區(qū)間的結(jié)束角度，i取值范圍為[1，n]，起始角度默認(rèn)為0。

2.2 毒性判定結(jié)果可視化

餅圖A、B、C區(qū)外的映射圓環(huán)，根據(jù)根節(jié)點餅圖的區(qū)間數(shù)，各分區(qū)餅圖外圈圓環(huán)的環(huán)寬度值映射為三種情況：

(1) 無農(nóng)藥檢出類(圖1 A區(qū))無承接屬性，所以對應(yīng)外圈環(huán)寬度為0。

(2) 中低毒農(nóng)藥檢出類(圖1 B區(qū))，按其評估值映射為B1區(qū)的單層環(huán)寬值，該評估值選擇為農(nóng)藥殘留量的平均值。B1區(qū)的計算如下所示：

(3)

式中:[min/2,max/2]為B1區(qū)的單層環(huán)寬值，其值根據(jù)內(nèi)徑映射區(qū)間決定，將全部采樣點中低毒農(nóng)藥類評估值作為一個集合Low，Low.max為集合最大值，ring.width為B1區(qū)單個環(huán)寬值，radius.out為多重放射環(huán)外徑。

(3) 高劇毒農(nóng)藥檢出類(圖1 C區(qū))，將外圈圓環(huán)的環(huán)寬映射為檢出頻次，根據(jù)檢出頻次所在區(qū)間決定C1區(qū)環(huán)寬。映射方法為將B1區(qū)的外徑由內(nèi)到外劃分為6個分段，每個分段映射為一個檢出頻次區(qū)間(具體細(xì)節(jié)見2.3節(jié))。

2.3 多標(biāo)準(zhǔn)MRL下的毒性判定結(jié)果可視化

為可視化多種MRL檢測標(biāo)準(zhǔn)下的超標(biāo)/未超標(biāo)判定結(jié)果，將中低毒農(nóng)藥檢出分類(圖1 B1區(qū))的外徑由內(nèi)到外劃分為6段：第一分段對應(yīng)的單層圓環(huán)表示中國的MRL標(biāo)準(zhǔn)下的判定結(jié)果;第二分段對應(yīng)的單層圓環(huán)表示歐盟的MRL標(biāo)準(zhǔn)下的判定結(jié)果;第三分段對應(yīng)的單層圓環(huán)表示日本的MRL標(biāo)準(zhǔn)下的判定結(jié)果;第四分段對應(yīng)的單層圓環(huán)表示中國香港的MRL標(biāo)準(zhǔn)下的判定結(jié)果;第五分段對應(yīng)的單層圓環(huán)表示美國的MRL標(biāo)準(zhǔn)下的判定結(jié)果;第六分段對應(yīng)的單層圓環(huán)表示CAC的MRL標(biāo)準(zhǔn)下的判定結(jié)果。判定結(jié)果中未超標(biāo)/超標(biāo)占比將對應(yīng)圓環(huán)逆時針分割。分割計算如下所示：

(4)

式中：m為分割區(qū)間數(shù)，只有超標(biāo)與未超標(biāo)兩種情況，因此范圍為[1,2]；yj代表第j個分割區(qū)間的樣例數(shù)，取值范圍為[1,m]；φj為起始角度到第j個分割區(qū)間的結(jié)束角度；θi-θi-1為中心餅圖中第i個扇區(qū)的圓心角。

2.4 各區(qū)域著色方法

將餅圖的未檢出類、中低毒農(nóng)藥檢出類、高劇毒農(nóng)藥檢出類分別對應(yīng)不同顏色，第二重環(huán)采取24顏色環(huán)的著色方式，同一圓環(huán)采用同一色系。在同一圓環(huán)中，為增強可讀性，超標(biāo)部分使用深色著色，未超標(biāo)部分不著色。

3 農(nóng)殘檢測數(shù)據(jù)分析系統(tǒng)

基于分類統(tǒng)計的農(nóng)殘檢測數(shù)據(jù)可視分析方法能從信息可視化的角度將各采樣點、樣品農(nóng)產(chǎn)品、檢出農(nóng)藥和檢出農(nóng)殘限量值展現(xiàn)在同一頁面中，并通過設(shè)計的交互手段輔助用戶進行深入式的探索分析。在對傳統(tǒng)可視化方法進行比對后，本文基于多重放射環(huán)的標(biāo)準(zhǔn)對比方法，結(jié)合層次數(shù)據(jù)可視化方法和地理數(shù)據(jù)可視化方法針對這四大類數(shù)據(jù)進行分類統(tǒng)計，設(shè)計并實現(xiàn)了該農(nóng)殘可視分析系統(tǒng)。系統(tǒng)界面圖如圖2所示。

圖2 系統(tǒng)界面圖

(1) A區(qū) 數(shù)據(jù)篩選包括時間篩選、地點篩選、點篩選等。本文農(nóng)殘檢測數(shù)據(jù)集包含了2012年到2016年5個批次的采樣數(shù)據(jù)，每年都將對不同地區(qū)的各大超市進行采樣。針對地區(qū)的篩選，系統(tǒng)提供從全國到各城市再到具體市縣的選擇，方便用戶快速指定感興趣區(qū)域。點篩選功能提供對地圖層采樣點的篩選，可以在地圖層繪制多邊形或矩形選擇點數(shù)據(jù)，通過點篩選可實現(xiàn)多采樣點農(nóng)殘污染評估對比。

(2) B區(qū) 地圖層是為了輔助地理位置信息的展示，結(jié)合人類的認(rèn)知習(xí)慣，方便用戶使用。地圖層通過Arcgis提供地圖底層，并且由leaflet插件提供API實現(xiàn)點數(shù)據(jù)的交互功及功能控制。功能控制按鈕與視圖協(xié)同展示，極大地利用了空間。

(3) C區(qū) 餅圖是該系統(tǒng)的輔助視圖。當(dāng)用戶與地圖層點數(shù)據(jù)交互時，系統(tǒng)將會過濾出該位置點的農(nóng)殘檢測數(shù)據(jù)集，通過選擇C區(qū)某一采樣農(nóng)產(chǎn)品類別，將顯示該類別下采樣農(nóng)產(chǎn)品分類樣例數(shù)占比，從而輔助用戶了解基于農(nóng)產(chǎn)品分類的采樣情況。當(dāng)數(shù)據(jù)集無某一采樣農(nóng)產(chǎn)品采樣時，將提示用戶無對應(yīng)農(nóng)產(chǎn)品類采樣，當(dāng)用戶未與地圖層點數(shù)據(jù)交互時，將提示用戶選擇感興趣的采樣點。

(4) D區(qū) 當(dāng)與地圖層點數(shù)據(jù)交互后，將過濾數(shù)據(jù)集通過多重放射環(huán)布局顯示在D區(qū)。由于單采樣點屬性展示不涉及多點對比，應(yīng)將冗余屬性去除，簡化可視化編碼。多重放射環(huán)的內(nèi)徑和外徑不再映射采樣量和中低毒農(nóng)藥檢出的評估值，而是固定值。其次A1區(qū)不再通過顏色映射高劇毒農(nóng)藥的評估值，而是固定顏色。B1區(qū)原本采用堆疊圖展示兩類判定結(jié)果，考慮該部分重點關(guān)注我國超標(biāo)農(nóng)藥檢出樣例數(shù)占比與其他國家的差異，因此去除了未超標(biāo)農(nóng)藥檢出樣例數(shù)占比結(jié)果，從而提高了用戶分辨率。同時D區(qū)對應(yīng)的圖例部分將根據(jù)交互選擇的結(jié)果更改樣例圖標(biāo)，幫助用戶記憶交互過程。

(5) E區(qū) 該部分同C區(qū)，是系統(tǒng)的輔助視圖，也是D區(qū)交互的結(jié)果。顯示某檢出類下采樣的采樣農(nóng)產(chǎn)品類別，通過選擇某一類別，用玫瑰圖展示該類別下各類農(nóng)產(chǎn)品采樣樣例數(shù)占比。

(6) F區(qū) 該部分支持用戶進行單采樣點圈選和多采樣點圈選兩種方式。當(dāng)進行單采樣點圈選時，通過與玫瑰圖的交互，用散點圖加直方圖顯示某類農(nóng)產(chǎn)品下具體采樣的農(nóng)產(chǎn)品項、檢出農(nóng)藥物、農(nóng)藥殘留值屬性、農(nóng)藥檢出頻次。其布局效果如圖2中F區(qū)所示，其中坐標(biāo)軸橫軸方向表示某一類檢出類別下的檢出農(nóng)藥名，坐標(biāo)軸縱軸方向表示某一檢出類別下采樣的農(nóng)產(chǎn)品名，軸上的氣泡表示該位置點對應(yīng)農(nóng)藥的檢出，通過氣泡半徑映射農(nóng)藥殘留值。疊加在氣泡圖上方的直方圖表示對應(yīng)氣泡圖橫軸農(nóng)藥的檢出頻次。

(7) G區(qū) 顏色圖例。

(8) H區(qū) 各部分快捷菜單。

4 可視交互與案例分析

本案例通過A區(qū)篩選出2016年全國農(nóng)殘檢測數(shù)據(jù)集，針對該數(shù)據(jù)集分析結(jié)果如下：

當(dāng)用戶選取多個采樣點時，通過F區(qū)展示多采樣點對應(yīng)的多重放射環(huán)矩陣視圖，效果圖如圖3所示。此處多重放射環(huán)為有對比展示，需要加上采樣量、中低毒農(nóng)藥平均檢出含量、高劇毒農(nóng)藥平均檢出含量。該部分主要用于多采樣點的數(shù)據(jù)對比及農(nóng)殘污染評估。

圖3 多重放射環(huán)矩陣視圖

通過圖3可以看出，本案例共選8個采樣點，均為北京市地區(qū)。從多重放射環(huán)半徑代表的采樣量看，超市2和超市8相對其他要少；從多重放射環(huán)外徑代表的中低毒農(nóng)藥平均殘留量看，超市6較少；從餅圖部分看各檢出類樣例數(shù)占比，發(fā)現(xiàn)大部分超市農(nóng)產(chǎn)品都有農(nóng)藥殘留，其中超市3和超市8無農(nóng)藥檢出樣例數(shù)占比較其他要多，超市8高劇毒農(nóng)藥檢出樣例數(shù)占比相對較少。從多國MRL標(biāo)準(zhǔn)超標(biāo)情況來看，歐盟、日本均有超標(biāo)農(nóng)藥檢出，且超標(biāo)檢出樣例數(shù)占比均較大，而超市2、超市4、超市5、超市7大部分MRL標(biāo)準(zhǔn)下均有超標(biāo)。從高劇毒農(nóng)藥平均檢出含量值來看，超市5較少，從高劇毒農(nóng)藥檢出頻次來看，大體一致。

D區(qū)高劇毒檢出樣例數(shù)大約占據(jù)總樣例數(shù)的25%，中低毒檢出樣例數(shù)偏多，只有較少的農(nóng)產(chǎn)品樣例未檢出農(nóng)藥。如圖4所示。

圖4 單采樣點放射環(huán)

通過C區(qū)餅圖發(fā)現(xiàn)該采樣點蔬菜類有9種采樣，其中葉菜類蔬菜占比較大，其他相對均衡。如圖5所示。

圖5 采樣農(nóng)產(chǎn)品采樣樣例

通過點擊D區(qū)中低毒農(nóng)藥檢出類發(fā)現(xiàn)E區(qū)只有蔬菜類有中低毒農(nóng)藥檢出，而蔬菜類中有9種含有中低毒農(nóng)藥檢出，其中葉菜類蔬菜檢出占比較大，其他相對均衡。如圖6所示。

圖6 中低毒農(nóng)藥檢出類采樣農(nóng)產(chǎn)品

通過案例分析，本系統(tǒng)很好地完成了預(yù)期的分析任務(wù)，極大地提高了分析效率。

5 結(jié) 語

本文針對農(nóng)殘檢測數(shù)據(jù)集，利用層次數(shù)據(jù)可視化方法和地理數(shù)據(jù)可視化方法，實現(xiàn)了基于單采樣點的數(shù)據(jù)分類統(tǒng)計，并根據(jù)數(shù)據(jù)分層結(jié)構(gòu)。針對不同的數(shù)據(jù)特征，呈現(xiàn)數(shù)據(jù)的層次關(guān)系、時間趨勢、分類對比，提出了針對多判定標(biāo)準(zhǔn)的對比可視化方法。同時設(shè)計并實現(xiàn)了基于分類統(tǒng)計的農(nóng)殘檢測數(shù)據(jù)可視分析系統(tǒng)，幫助用戶篩選感興趣的數(shù)據(jù)集。針對目標(biāo)區(qū)域引導(dǎo)用戶從整體到部分對數(shù)據(jù)進行全面、深入的分析，并根據(jù)可視結(jié)果評估農(nóng)殘污染程度。設(shè)計了一個直觀可交互的農(nóng)殘可視分析系統(tǒng)，利用多視圖協(xié)同的模式引導(dǎo)用戶概覽農(nóng)殘檢測數(shù)據(jù)的檢測及判斷結(jié)果，并且還可針對具體的農(nóng)產(chǎn)品、農(nóng)藥的檢出細(xì)節(jié)查看，同時給出污染評估指標(biāo)，評價地區(qū)污染程度。通過分類使人們更容易理解數(shù)據(jù)，通過簡單直觀的方式使更多的人能發(fā)現(xiàn)數(shù)據(jù)的潛在價值。

在未來的研究過程中，將引入焦點+上下文技術(shù)，輔助用戶展示重點關(guān)注的內(nèi)容，凸顯用戶感興趣程度，展示更多信息。

注: 本文中所使用的農(nóng)殘檢測數(shù)據(jù)內(nèi)容已進行脫密混淆處理，非真實數(shù)據(jù)，請勿直接采信，但不影響闡述數(shù)據(jù)分析過程。