[发明专利]时间序列处理方法、装置、电子设备及存储介质

说明书

本发明实施例提供了一种时间序列处理方法、装置、电子设备及存储介质。该方法包括：获取待预测指标的时间序列，时间序列中每个历史时刻对应的数据包括待预测指标的历史数据以及与待预测指标相关的指标的历史数据；将历史时刻对应的数据转换成第一特征向量；基于第一特征向量，生成第二特征向量，第二特征向量中包含待预测指标的历史数据的特征与待预测指标的历史数据之外的数据的特征所形成的组合特征；基于各历史时刻对应的第二特征向量，生成特征向量序列；将特征向量序列，输入预设的预测模型，得到待预测指标的预测数据。如此，考虑了待检测指标相关的指标带来的影响，消除了外来因素影响带来的偏差，得到了更加准确的待预测指标的预测数据。

技术领域

本发明涉及计算机技术领域，特别是涉及一种时间序列处理方法、装置、电子设备及存储介质。

背景技术

时间序列是指将某一个统计指标在不同时间上的各数据，按时间先后顺序排列而形成的序列。时间序列预测则可以通过历史时刻的时间序列挖掘时间序列本身的规律，从而得到时间序列的预测值。相关技术中的时间序列预测方式中，一般采用自回归模型，例如自回归积分滑动平均模型(ARIMA，Autoregressive Integrated Moving Average Model)，或者采用时间序列分解模型，例如Facebook开源的预言者(Prothet)，简称FbProphet，进行时间序列预测。但是，由于指标对应的时间序列可能会受到一些外来因素的影响，这些外来因素是无法从历史时刻的时间序列中拟合得到的，导致预测值存在着偏差。举例来说，广告等资源投放业务中，指标之间往往不是互相独立的，其会受到其它指标的影响，这些外来的波动因素无法从历史的时间序列中拟合得到，导致预测值存在着偏差。

发明内容

本发明实施例的目的在于提供一种时间序列处理方法、装置、电子设备及存储介质，以实现待预测指标的预测数据的准确性的提升。具体技术方案如下：

在本发明实施的第一方面，首先提供了一种时间序列处理方法，包括：

获取待预测指标的时间序列，所述时间序列中每个历史时刻对应的数据包括所述待预测指标的历史数据以及与所述待预测指标相关的指标的历史数据；

将所述历史时刻对应的数据转换成第一特征向量；

基于所述第一特征向量，生成第二特征向量，所述第二特征向量中包含所述待预测指标的历史数据的特征与所述待预测指标的历史数据之外的数据的特征所形成的组合特征；

基于各所述历史时刻对应的所述第二特征向量，生成特征向量序列；

将所述特征向量序列，输入预设的预测模型，得到所述待预测指标的预测数据。

在一种可能的实施方式中，每个所述历史时刻对应的数据还包括时间数据，所述时间数据用于表征所述历史时刻。

在一种可能的实施方式中，所述基于所述第一特征向量，生成第二特征向量，包括：

利用因子分解机，对所述第一特征向量进行处理，生成第二特征向量。

在一种可能的实施方式中，所述基于各所述历史时刻对应的所述第二特征向量，生成特征向量序列，包括：

对所述第二特征向量，进行至少一次全连接，以得到第三特征向量；

利用各历史时刻对应的所述第三特征向量，形成所述特征向量序列。

在一种可能的实施方式中，所述将所述特征向量序列，输入预设的预测模型，得到所述待预测指标的预测数据，包括：

将所述特征向量序列，输入LSTM或者GRU，得到第四特征向量；

对所述第四特征向量进行至少一次全连接，得到所述待预测指标的预测数据。

在一种可能的实施方式中，所述时间数据包括影响所述待预测指标的时间数据。