1.一种大数据探索性标签地图的生成方法，其特征在于，该方法设计四种大数据探索性标签地图的生成模式，将位于同一区域内的标签视为一类，将关注同一区域内的标签属性变化的可视化任务称为类内任务，关注多个区域之间的标签属性变化的可视化任务称为类间任务；将空间维度分为全局区域和局部区域，将属性维度分为类内和类间，将空间和属性维度进行两两组合，设计全局类内、局部类内、全局类间、局部类间四种大数据探索性标签地图生成模式，分别适应不同文本信息的探索性分析场景：（a）全局类内模式，适应场景为：通过浏览全局区域中各个区域的标签，快速地识别出各个区域中最显著的标签，分别获得各个区域的主要信息；

（b）局部类内模式，适应场景为：对特定兴趣区中的标签进行详细的分析，获得各个标签的详细内容和频率排序；

（c）全局类间模式，适应场景为：关注特定主题的标签，快速和准确地在全局区域中搜索到与特定主题相关的标签；

（d）局部类间模式，适应场景为：提取不同区域中具有代表性的标签并进行比较，发现不同区域之间的标签的相似性和差异性；

该方法具体包括如下步骤：

步骤1，获取标签和地理区域范围；

步骤2，指定大数据探索性标签地图生成模式；

步骤3，确定初始位置；

步骤4，位置有效性检测；

步骤5，放置标签。

2.根据权利要求1所述的大数据探索性标签地图的生成方法，其特征在于，所述步骤1具体包括：

（1.1）获取标签和地理区域范围数据；

（1.2）设置标签的大小范围，设置最大标签Smax 和最小标签 Smin，选择标签颜色、标签字体类型、标签旋转方向的视觉变量。

3.根据权利要求1所述的大数据探索性标签地图的生成方法，其特征在于，所述步骤2具体包括：

（2.1）对于全局类内模式，计算标签在其关联的地理区域中出现的频率，获取每个标签T在各自关联的区域中的降序排序的序号；

（2.2）对于局部类内模式，指定兴趣区，计算标签在该区域中出现的频率，获取该区域中每个标签T的降序排序的序号；

（2.3）对于全局类间模式，指定标签的主题和数量M，计算标签在其关联的区域中出现的频率，获取每个标签T在全局区域所有标签中的降序排序的序号，保留前M个标签；

（2.4）对于局部类间模式，确定一个或多个兴趣区，计算每个标签在各自关联的区域中出现的频率f和在全局所有区域中出现的频率F，计算 ，获取在兴趣区中每个标签T的降序排序的序号。

4.根据权利要求1所述的大数据探索性标签地图的生成方法，其特征在于，所述步骤3具体包括：

（3.1）根据步骤2中标签的计算结果，将标签大小S标准化为Smin — Smax范围之间；

（3.2）选择排序列表中的第一个标签t1，将第一个标签放置在其相关联的区域的中心。

5.根据权利要求1所述的大数据探索性标签地图的生成方法，其特征在于，所述步骤4具体包括：

（4.1）如果t1位置有效，即标签完全在其相关联的区域内，放置标签；

（4.2）如果位置发生冲突，即标签不完全在区域内，将标签沿着螺旋线布局方式向外移动，寻找有效的位置；

（4.3）如果没有找到有效的位置，减小标签大小或删除标签不进行显示。

6.根据权利要求1所述的大数据探索性标签地图的生成方法，其特征在于，所述步骤5具体包括：

（5.1）沿着螺旋线布局方式向外移动放置下一个标签；

（5.2）如果位置无效，即该标签与其他标签交叉或不完全在其关联的区域内，将标签沿着螺旋线布局方式继续向外移动，寻找有效的位置，既不与其他标签交叉，又完全在其关联的区域内；

（5.3）如果没有找到有效的位置，减小标签大小或删除标签不进行显示；

（5.4）重复（5.1）、（5.2）、（5.3）步骤，并确定剩余标签的数量N，如果N = 0，则算法结束，生成大数据探索性标签地图。