[发明专利]数据补全方法、装置、电子设备及存储介质

说明书

本发明实施例提供数据补全方法、装置、电子设备及存储介质，涉及人工智能技术领域。该方法包括：获取原始数据集；对原始数据集进行数据预处理分类成残缺数据集和历史数据集；对残缺数据集进行时间特征提取，得到第一时间序列；对历史数据集进行时间特征提取，得到第二时间序列；对第一时间序列进行多头注意力机制计算，得到第一输出矩阵；对第二时间序列进行多头注意力机制计算，得到第二输出矩阵；对第一输出矩阵和第二输出矩阵进行融合处理，得到补全数据。该方法能够将缺失的交通数据补全，面对不同数据缺失情况有良好数据补全效果。

技术领域

本发明涉及人工智能技术领域，尤其涉及数据补全方法、装置、电子设备及存储介质。

背景技术

交通数据是一段时间的道路特征，比如：流量和速度的集合，是智能交通系统(Intelligent Transportation System,ITS)的一个重要组成部分。在道路特征数据的基础上，交通部门可以进行合理有效的交通控制，企业也可以提供更准确可靠的服务。但在实践中，交通数据集经常由于传感器故障、区域停电、极端天气等原因而导致缺失。因此，如何提供一种数据补全方法，将缺失的交通数据补全，成为了亟待解决的技术问题。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明提出一种数据补全方法、装置、电子设备及存储介质，能够在历史交通数据的基础上将缺失的交通数据补全，面对不同数据缺失情况有良好数据补全效果。

为实现上述目的，本发明实施例的第一方面提出了一种数据补全方法，包括：

获取原始数据集；

对所述原始数据集进行数据预处理，以将所述原始数据集分类成残缺数据集和历史数据集；

对所述残缺数据集进行时间特征提取，得到第一时间序列；

对所述历史数据集进行时间特征提取，得到第二时间序列；

对所述第一时间序列进行多头注意力机制计算，得到第一输出矩阵；

对所述第二时间序列进行多头注意力机制计算，得到第二输出矩阵；

对所述第一输出矩阵和所述第二输出矩阵进行融合处理，得到补全数据。

在本发明的一些实施例中，所述对所述残缺数据集进行时间特征提取，得到第一时间序列，包括：

将所述残缺数据集输入预设的长短期记忆补全网络中；

提取所述残缺数据集中处于预设时段的观测数据；

根据所述观测数据和所述预设时段的上一时段的预测数据，计算出所述预设时段的缺失数据；

根据所述缺失数据和所述观测数据，得到所述第一时间序列。

在本发明的一些实施例中，所述对所述历史数据集进行时间特征提取，得到第二时间序列，包括：

将所述历史数据集输入至预设的历史数据处理网络中；

通过所述的历史数据处理网络计算出所述历史数据集的历史平均数据，将所述历史平均数据作为所述预设时段的历史数据；

根据所述历史平均数据，得到所述第二时间序列。

在本发明的一些实施例中，所述对所述第一时间序列进行多头注意力机制计算，得到第一输出矩阵，包括：

将所述第一时间序列输入至第一多头注意力层；

通过所述第一多头注意力层将所述第一时间序列转换为第一注意力矩阵；

通过预设函数将所述第一注意力矩阵转换为第一概率矩阵；