[发明专利]一种时序数据相似度度量方法及度量系统

摘要

本发明公开了一种时序数据相似度度量方法及度量系统，包括以下步骤：首先，对于所有时序数据中的事件，学习各个事件的向量表示；其次，将各个事件发生的时间映射成与事件向量等维的向量，通过向量加法嵌入到事件向量中；最后，将最终的事件序列表示送入卷积神经网络进行有监督的学习，最终学得一个鲁棒的时序数据相似度度量模型；通过得到的相似度度量模型进行相似度度量。本发明对时序序列数据表示更加合理有效，从而可提升时序数据相似度度量的准确性。

主权项

1.一种时序数据相似度度量方法，其特征在于，包括以下步骤：步骤1，采集预设数量的样本时序数据，考虑每个样本时序数据中各个事件的相对关系以及各个事件与发生时间的相对关系，将高维空间的数据映射到低维空间，构建出每个样本时序数据的表示；步骤2，将步骤1获得的所有样本时序数据的表示输入预先设定的卷积神经网络模型，对每个样本时序数据的表示进行特征提取，获得各样本时序数据的特征向量；步骤3，根据步骤2获得的各样本时序数据的特征向量，基于相似度矩阵计算获得各样本时序数据间的相似度；步骤4，通过步骤2获得的各样本时序数据的特征向量以及步骤3获得的各样本时序数据间的相似度训练预先设定的卷积神经网络模型，训练至预设收敛条件，获得训练好的相似度度量模型；步骤5，通过步骤1的方法构建出待度量时序数据的表示，并将其输入步骤4获得的训练好的相似度度量模型中，获得待度量时序数据的相似度度量结果。