[发明专利]基于多条件约束的时间序列数据生成方法、装置及介质

说明书

本发明实施例提供一种基于多条件约束的时间序列数据生成方法、装置及介质。其中，方法可包括：接收客户端的数据修复请求，数据修复请求包括待修复数据及条件信息；对待修复数据进行归一化处理，得到归一化数据，并对条件信息进行张量化处理，得到特征标签；调用已完成训练的数据修复模型，根据特征标签对归一化数据进行修复处理，得到第一修复数据，数据修复模型是根据样本数据、第一样本条件、真实样本数据及第二样本条件进行训练得到的，样本数据为噪声数据；发送第一修复数据至客户端。采用本发明实施例，无需大量的历史数据或匹配度高的样本数据作为基础，便可获取数据的丰富特征，保证了修复数据的准确性及时序性，提高了修复效率及质量。

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于多条件约束的时间序列数据生成方法、装置及介质。

背景技术

时间序列数据是指在不同时间收集到的数据，此类数据在生产和生活中用于描述某一事物或现象等随时间的变化情况。但是，由于此类数据的数据点较为密集且抗干扰性差，在数据的采集、应用或传递等过程中，容易造成数据的缺失。目前，针对缺失数据的修复方法主要包括如下两种：第一种是基于先验知识的插值方法；第二种是获取与已缺失数据最匹配的样本数据，利用该样本数据训练生成对抗网络，以修复已缺失数据。但是第一种方法需要有大量的历史数据作为基础，不适用于海量数据的修复；第二种方法较难获取匹配度高的样本数据且难以学习到数据的有效特征，修复的数据准确性差且不具有时序性。

发明内容

本发明实施例提供一种基于多条件约束的时间序列数据生成方法、装置及介质，无需大量的历史数据或匹配度高的样本数据作为训练基础，便可获取待修复数据的丰富特征，保证了修复数据的准确性及时序性，提高了修复效率及质量。

第一方面，本发明实施例提供一种基于多条件约束的时间序列数据生成方法，包括:

接收客户端的数据修复请求，所述数据修复请求包括待修复数据及条件信息，所述数据修复请求用于请求根据所述条件信息对所述待修复数据进行数据修复，所述条件信息为与所述待修复数据相匹配的特征条件；

对所述待修复数据进行归一化处理，得到所述待修复数据的归一化数据，并对所述条件信息进行张量化处理，得到所述条件信息的特征标签；

调用已完成训练的数据修复模型，根据所述特征标签对所述归一化数据进行修复处理，得到第一修复数据，所述数据修复模型是根据样本数据、第一样本条件、真实样本数据及第二样本条件对所述数据修复模型进行训练得到的，所述样本数据为噪声数据；

发送所述第一修复数据至所述客户端。

在该技术方案中，客户端发送包括待处理数据及条件信息的数据修复请求至服务器，以使服务器对待修复数据进行归一化处理得到归一化数据，并对条件信息进行张量化处理，得到特征标签，该条件信息为与待修复数据相匹配的特征条件，调用已完成训练数据修复模型，根据特征标签对归一化数据进行修复处理，得到第一修复数据，并将该第一修复数据发送至客户端。通过这种方法，基于条件信息的输入，可获取待修复数据的丰富特征，以使生成的第一修复数据更接近真实数据的分布特征，保证了修复数据的准确性及时序性，提高了修复效率及质量。

第二方面，本发明实施例提供一种基于多条件约束的时间序列数据生成装置，包括：

收发单元，用于接收客户端的数据修复请求，所述数据修复请求包括待修复数据及条件信息，所述数据修复请求用于请求根据所述条件信息对所述待修复数据进行数据修复，所述条件信息为与所述待修复数据相匹配的特征条件；

处理单元，用于对所述待修复数据进行归一化处理，得到所述待修复数据的归一化数据，并对所述条件信息进行张量化处理，得到所述条件信息的特征标签；调用已完成训练的数据修复模型，根据所述特征标签对所述归一化数据进行修复处理，得到第一修复数据，所述数据修复模型是根据样本数据、第一样本条件、真实样本数据及第二样本条件对所述数据修复模型进行训练得到的，所述样本数据为噪声数据；