[发明专利]一种计算指标数据的方法和装置

权利要求书

1.一种计算指标数据的方法，其特征在于，包括：

筛选出与待测时序数据相近的样本时序数据，对所述样本时序数据进行特征提取，从而构建数据集；其中，所述待测时序数据对应的指标与所述样本时序数据对应的指标不同，且所述待测时序数据条目数量少于所述样本时序数据的条目数量；

采用所述数据集对指标计算模型进行训练，得到训练后的指标计算模型；

从所述待测时序数据中提取出待测特征，将所述待测特征输入到所述训练后的指标计算模型中，从而输出指标数据。

2.根据权利要求1所述的方法，其特征在于，筛选出与待测时序数据相近的样本时序数据，包括：

将待测时序数据以及各个样本时序数据输入到经过训练的编码器中，分别输出所述待测时序数据对应的编码向量以及所述各个样本时序数据对应的编码向量；

采用聚类算法对所述各个样本时序数据对应的编码向量进行聚类，得到多个簇以及各个簇对应的特征中心向量；

基于所述待测时序数据对应的编码向量以及所述各个簇对应的特征中心向量，筛选出与所述待测时序数据相近的若干个样本时序数据。

3.根据权利要求2所述的方法，其特征在于，所述簇的数量为所述各个样本时序数据的总数量的平方根。

4.根据权利要求2所述的方法，其特征在于，基于所述待测时序数据对应的编码向量以及所述各个簇对应的特征中心向量，筛选出与所述待测时序数据相近的若干个样本时序数据，包括：

分别计算所述待测时序数据对应的编码向量与所述各个簇对应的特征中心向量的相似度，筛选出与所述待测时序数据相似度最大的N个簇；

分别计算所述待测时序数据对应的编码向量与所述N个簇中每个样本时序数据对应的编码向量的相似度，筛选出与所述待测时序数据相似度最大的M个样本时序数据；

其中，N小于M，且N、M均为正整数。

5.根据权利要求1所述的方法，其特征在于，对所述样本时序数据进行特征提取，从而构建数据集，包括：

对于每个样本时序数据，采用滑动窗口对所述样本时序数据中的各个时刻进行特征提取，分别得到各个时刻对应的样本特征和样本标签；其中，所述样本特征包括所述时刻以及所述时刻之前的指标数据，所述样本标签包括所述时刻之后的指标数据；

基于所述各个样本时序数据中的各个时刻对应的样本特征和样本标签，构建数据集。

6.根据权利要求5所述的方法，其特征在于，所述样本特征还包括所述时刻对应的时间特征。

7.根据权利要求1所述的方法，其特征在于，采用所述数据集对指标计算模型进行训练，得到训练后的指标计算模型，包括：

将所述数据集划分成训练数据集、验证数据集和测试数据集；

采用所述训练数据集和所述验证数据集并基于网格搜索算法和TPE搜索算法，计算各个模型的最优参数，从而得到所述各个指标计算模型；

采用所述待测时序数据对所述各个指标计算模型进行参数调整，从而得到参数调整后的各个指标计算模型；

采用所述测试集对所述参数调整后的各个指标计算模型进行测试，从而筛选出测试结果最优的指标计算模型。

8.根据权利要求7所述的方法，其特征在于，采用所述待测时序数据对所述各个指标计算模型进行参数调整，从而得到参数调整后的各个指标计算模型，包括：

采用滑动窗口对所述待测时序数据中的各个时刻进行特征提取，分别得到各个时刻对应的样本特征和样本标签；其中，所述样本特征包括所述时刻以及所述时刻之前的指标数据，所述样本标签包括所述时刻之后的指标数据；

采用所述待测时序数据中的各个时刻对应的样本特征和样本标签，对所述各个指标计算模型进行参数调整，从而得到参数调整后的各个指标计算模型。