[发明专利]时间序列数据处理方法、装置、可读介质及电子设备

权利要求书

1.一种时间序列数据处理方法，其特征在于，所述方法包括：

获取第一时间序列数据和第二时间序列数据，其中，所述第一时间序列数据包括预设标签信息，所述第二时间序列数据为无标签的时间序列数据；

对所述第二时间序列数据添加伪标签信息，以得到包括伪标签信息的第三时间序列数据；

基于所述第一时间序列数据和所述第三时间序列数据进行模型训练，以得到时间序列分类模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述第一时间序列数据训练得到标签模型，所述标签模型用于对无标签时间序列数据添加伪标签信息；

所述对所述第二时间序列数据添加伪标签信息，以得到包括伪标签信息的第三时间序列数据，包括：

将所述第二时间序列数据输入所述标签模型，以得到包括伪标签信息的第三时间序列数据。

3.根据权利要求1或2所述的方法，其特征在于，所述基于所述第一时间序列数据和所述第三时间序列数据进行模型训练，以得到时间序列分类模型，包括：

将所述第一时间序列数据和所述第三时间序列数据的所有数据进行随机排序，以得到第四时间序列数据；

基于所述随机排序的第四时间序列数据进行模型训练，得到时间序列分类模型。

4.根据权利要求3所述的方法，其特征在于，所述将所述第一时间序列数据和所述第三时间序列数据的所有数据进行随机排序，以得到第四时间序列数据，包括：

将所述第一时间序列数据和所述第三时间序列数据的所有数据输入随机排序函数，以得到随机排序的所述第四时间序列数据。

5.根据权利要求3所述的方法，其特征在于，所述基于所述随机排序的第四时间序列数据进行模型训练，得到时间序列分类模型，包括：

对所述随机排序的第四时间序列数据的数据元素和标签元素进行加权处理，得到第五时间序列数据；

基于所述第五时间序列数据进行模型训练，得到时间序列分类模型，其中，所述第五时间序列数据包括加权后的数据元素和加权后的标签元素。

6.根据权利要求5所述的方法，其特征在于，所述对所述随机排序的第四时间序列数据的数据元素和标签元素进行加权处理，得到第五时间序列数据，包括：

针对所述随机排序的第四时间序列数据，利用贝塔分布函数确定所述第四时间序列数据的权重参数；

根据所述权重参数对第四时间序列数据的数据元素和标签元素进行加权处理，得到第五时间序列数据。

7.一种时间序列数据处理装置，其特征在于，包括：

数据获取模块，用于获取第一时间序列数据和第二时间序列数据，其中，所述第一时间序列数据包括预设标签信息，所述第二时间序列数据为无标签的时间序列数据；

标签处理模块，用于对所述第二时间序列数据添加伪标签信息，以得到包括伪标签信息的第三时间序列数据；

第一训练模块，用于基于所述第一时间序列数据和所述第三时间序列数据进行模型训练，以得到时间序列分类模型。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第二训练模块，用于基于所述第一时间序列数据训练得到标签模型，所述标签模型用于对无标签时间序列数据添加伪标签信息；

所述标签处理模块，包括：

输入单元，用于将所述第二时间序列数据输入所述标签模型，以得到包括伪标签信息的第三时间序列数据。

9.一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1至6中任一所述的方法。

10.一种电子设备，包括：处理器、存储器和总线；所述存储器用于存储执行指令，所述处理器与所述存储器通过所述总线连接，当所述电子设备运行时，所述处理器执行所述存储器存储的所述执行指令，以使所述处理器执行如权利要求1至6中任一所述的方法。