标签：TagItem 更好 标签 Add 构建 Items new cloud

发表于2018 年 2 月 1 日 

 

下载

该项目的源代码和二进制文件可在

https://github.com/BradSmith1985/TagClouds

典型的标签云

标签云是一种显示主题/类别列表及其相对出现频率的机制。这对于在博客、新闻网站、讨论板、信息系统等上查找内容很有用。它们可以是文本的或图形的，尽管后者提供了更大的灵活性并且是本文的重点。

可以对标签云的布局进行很多思考。您会注意到此博客中使用的默认 WordPress 标签云只是按字母顺序列出标签，并使用逐渐变大的字体大小来表示更常用的标签。更复杂的布局尝试将最常用的标签放置在中心，最少使用的标签位于最远的位置。我什至为此目的探索了 力导向算法，尽管我后来得出结论认为它们不太适合这个问题。

我最终采用的解决方案采用迭代方法，并使用适应度标准来达到最佳布局。它将每个标签按从最高频率到最低频率的顺序放置在图表上。标签的位置仅由它之前的标签决定。从中心开始向外工作，选择一个位置，使标签不会与任何先前放置的标签发生碰撞。如果标签保持在该位置，则使用几个标准来计算解决方案的适应度。对所有方向（360 度）重复此过程。每次找到更优化的解决方案时，标签都会移动到该位置。当所有角度都用尽时，标签将处于最佳位置，并且控制移动到下一个标签。

健身标准如下：

• 标签云的总面积越小越好
• 标签云的平方*（即宽度和高度之间的差异最小）越多越好
• 离标签云中心的距离越小越好

* 或其他一些纵横比

算法

1. 按频率降序对标签集合进行排序。
2. 让 totalBounds表示标签云的使用边界，并初始化为零。
3. 对于集合中的 每个标签：
   1. 让 bestBounds 表示迄今为止最优解的边界，并初始化为零。
   2. 让 bestDist表示与标签云中心的距离，以获得最佳解决方案，并将其初始化为零。
   3. 对于从 0 到 360 度 的每个角度：
      1. 让tagBounds表示 tag 的边界（位置和大小），并在标签云的中心初始化。
      2. 令tagDist表示距标签云中心的距离，并初始化为零。
      3. 重复以下操作：
         1. 将tagBounds从标签云中心以角度移动到​​一个点tagDist单位。
         2. 检查tagBounds是否与之前放置的任何标签的边界发生冲突（相交）。
         3. 如果有冲突，增加tagDist。否则，退出循环。
      4. 让 isBest表示以下是否全部为真：
         • ( totalBounds  ∪  tagBounds ) 的面积小于 bestBounds的面积（或者 bestBounds为空）
         • ( totalBounds  ∪  tagBounds )的宽高差小于bestBounds的宽 高差（或者 bestBounds为空）
         • tagDist小于 bestDist（或 bestDist为零）
      5. 如果 isBest为真：
         1. 将 bestBounds设置为 ( totalBounds  ∪  tagBounds )。
         2. 将 bestDist设置为 tagDist。
         3. 将 标签移动到 bestBounds的位置。
   4. 将 totalBounds设置为 bestBounds。

执行

我对上述算法的实现采用名为 的 C# 类的形式TagCloud，它表示标签云并提供将布局应用到屏幕或位图的方法。

包括指定基本视觉属性的能力，例如字体、颜色和样式，以及具有最高和最低频率的标签字体大小之间的渐变。我还提供了一种支持特定纵横比的方法（因为不是每个人都想要一个完美的方形标签云），尽管应该注意最终标签云的纵横比将介于所需值和 1:1（方形）。

标签由TagItem类表示，封装了名称和频率。它们被添加到顺序不重要的集合中，以便在布局过程中进行排序。

调用该Arrange()方法后，可以将标签云渲染为Graphics代表屏幕、位图或打印机的 GDI+ 对象。该Draw()方法接受一个目标矩形，标签云将在其中自动缩放和居中。

为了便于交互，HitTest()还提供了一种方法来确定指定坐标处的标签。

观察

• 具有最高频率的标签按预期占据云的中心，并且首先倾向于垂直堆叠（因为这符合“方形”的标准）。
• 随后的标签占据周围的空间，并按预期从中心逐渐向外移动。
• 较短和较低频率的标签有时会填补较大标签之间的空白。当标签之间的字体大小差异变得更加极端时，这种情况发生得更多。
• 性能开始下降超过大约 128 个标签。当您考虑随着标签数量的增加而降低可读性时，这似乎是可以接受的。
• 标签频率的分布影响布局算法的性能。当使用正态分布随机生成时，它的运行速度比更典型的分布（其中少数标签占主导地位并且有许多标签的频率非常低）慢。

表现

尽管该算法包含 3 个嵌套循环，但第二级中的角度数保持不变，因此性能为 O(n²)。这可以通过逐渐增加标签的数量和测量最内层循环的周期数来证明：

进一步优化

• 通过以随机（打乱）顺序尝试角度，标签可以更好地填充可用空间
• 无需尝试所有 360 个方向，而是可以通过从 shuffled 集中选择前 90 个方向来获得类似的结果
• 距离不是每次都增加 1，而是可以以与每个标签的大小相当的增量增加
• 如果超出了当前的最佳距离，我们可以停止增加距离并尝试另一个角度
• 如果放置标签不会导致标签云的总边界完全增加，我们可以跳过剩余的角度并放置下一个标签

示例用法

TagCloud cloud = new TagCloud();

// add some tags
cloud.Items.Add(new TagItem("orange", 2));
cloud.Items.Add(new TagItem("red", 4));
cloud.Items.Add(new TagItem("green", 12));
cloud.Items.Add(new TagItem("pink", 96));
cloud.Items.Add(new TagItem("black", 1));
cloud.Items.Add(new TagItem("brown", 50));
cloud.Items.Add(new TagItem("yellow", 45));
cloud.Items.Add(new TagItem("purple", 32));
cloud.Items.Add(new TagItem("gold", 8));
cloud.Items.Add(new TagItem("silver", 7));

// apply layout
cloud.Arrange();

using (Bitmap bmp = new Bitmap(512, 512)) {
   // render to bitmap
   cloud.DrawToBitmap(bmp);

   // save bitmap
   bmp.Save("test.png", ImageFormat.Png);
}

最后的想法

这种实现产生了良好的结果和相当好的性能。我看到了进一步优化的潜力（能够实现 O(n log n) 性能将是非常可取的！）和附加功能，例如能够在每个标签的基础上改变文本颜色和其他视觉属性。

标签：TagItem,更好,标签,Add,构建,Items,new,cloud
From： https://www.cnblogs.com/firespeed/p/16709208.html