本發(fā)明涉及數(shù)據(jù)處理，特別涉及一種時間序列數(shù)據(jù)查詢方法、系統(tǒng)、可讀存儲介質(zhì)及計算機(jī)。

背景技術(shù)：

1、隨著科技的飛速發(fā)展和人們生活水平的提高，時序數(shù)據(jù)已經(jīng)在各類領(lǐng)域發(fā)揮著越來越重要的作用。

2、數(shù)據(jù)查詢，是大數(shù)據(jù)分析中常用的一類交互方式，用戶能夠直接過濾掉數(shù)據(jù)集中不必要的數(shù)據(jù)信息，從而進(jìn)一步獲取到用戶所感興趣的數(shù)據(jù)子集，例如：某高校的科研人員能夠利用時間序列查詢方式找出某個時間段內(nèi)學(xué)生的出勤情況以及課外活動的參加情況，然而，目前的數(shù)據(jù)查詢方法通常是采用可視查詢算法，其需要在要求的時間段內(nèi)的所有圖元全部滿足給定的范圍約束，即使存在一個圖元不在查詢范圍內(nèi)，其對應(yīng)的時間序列也會被剔除，從而導(dǎo)致能否提供價值信息的時間序列被排除，導(dǎo)致查詢結(jié)果中存在較少匹配的信息，從而降低了數(shù)據(jù)查詢結(jié)果的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、基于此，本發(fā)明的目的是提供一種時間序列數(shù)據(jù)查詢方法、系統(tǒng)、可讀存儲介質(zhì)及計算機(jī)，以解決上述技術(shù)中的不足。

2、本發(fā)明提出一種時間序列數(shù)據(jù)查詢方法，包括：

3、獲取歷史時間序列數(shù)據(jù)集，其中，所述歷史時間序列數(shù)據(jù)集中每條時間序列數(shù)據(jù)由密集且非均勻采樣的二維點(diǎn)的有序列表組成；

4、提取所述歷史時間序列數(shù)據(jù)集中各時間序列數(shù)據(jù)的數(shù)據(jù)標(biāo)簽，并根據(jù)所述數(shù)據(jù)標(biāo)簽和各所述時間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，以得到各所述時間序列數(shù)據(jù)的相似序列數(shù)據(jù)；

5、將各所述相似序列數(shù)據(jù)、各所述時間序列數(shù)據(jù)及其對應(yīng)的數(shù)據(jù)標(biāo)簽輸入至預(yù)設(shè)的模型學(xué)習(xí)器中，以構(gòu)建出對應(yīng)的條件生成模型；

6、對所獲取到的當(dāng)前時間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)升維處理，以得到各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表，并給定數(shù)據(jù)閾值，將各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表和所述數(shù)據(jù)閾值進(jìn)行比對，以得到各所述當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)；

7、構(gòu)建模糊查詢條件，并將所述模糊查詢條件和各所述當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)輸入至所述條件生成模型，以計算出所述當(dāng)前時間序列數(shù)據(jù)的匹配度，并根據(jù)所述匹配度輸出查詢結(jié)果。

8、進(jìn)一步的，提取所述歷史時間序列數(shù)據(jù)集中各時間序列數(shù)據(jù)的數(shù)據(jù)標(biāo)簽，并根據(jù)所述數(shù)據(jù)標(biāo)簽和各所述時間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，以得到各所述時間序列數(shù)據(jù)的相似序列數(shù)據(jù)的步驟包括：

9、提取所述歷史時間序列數(shù)據(jù)集中各時間序列數(shù)據(jù)的數(shù)據(jù)標(biāo)簽，并分別將各所述時間序列數(shù)據(jù)及其對應(yīng)的數(shù)據(jù)表情輸入至預(yù)設(shè)的模型生成器和模型判別器中；

10、從所述模型生成器的輸出中給定一個樣本數(shù)據(jù)，并利用所述模型判別器對所述樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)判別，若所述樣本數(shù)據(jù)屬于真樣本數(shù)據(jù)，則利用所述樣本數(shù)據(jù)對所述模型生成器進(jìn)行訓(xùn)練，以得到各所述時間序列數(shù)據(jù)的相似序列數(shù)據(jù)。

11、進(jìn)一步的，將各所述相似序列數(shù)據(jù)、各所述時間序列數(shù)據(jù)及其對應(yīng)的數(shù)據(jù)標(biāo)簽輸入至預(yù)設(shè)的模型學(xué)習(xí)器中，以構(gòu)建出對應(yīng)的條件生成模型的步驟包括：

12、構(gòu)建生成對抗網(wǎng)絡(luò)模型，并在所述生成對抗網(wǎng)絡(luò)模型的前兩層全連接層中增加修正線性函數(shù)，以得到生成對抗網(wǎng)絡(luò)優(yōu)化模型，其中，所述生成對抗網(wǎng)絡(luò)優(yōu)化模型采用三層全連接層，前一連接層的輸出作為后一連接層的輸入；

13、構(gòu)建所述生成對抗網(wǎng)絡(luò)優(yōu)化模型的損失函數(shù)，并將各所述相似序列數(shù)據(jù)、各所述時間序列數(shù)據(jù)及其對應(yīng)的數(shù)據(jù)標(biāo)簽輸入至所述生成對抗網(wǎng)絡(luò)優(yōu)化模型中，以構(gòu)建出對應(yīng)的條件生成模型。

14、進(jìn)一步的，給定數(shù)據(jù)閾值，將各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表和所述數(shù)據(jù)閾值進(jìn)行比對，以得到各所述當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)的步驟包括：

15、將各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表中兩個相鄰的有序點(diǎn)進(jìn)行連接，以得到對應(yīng)的序列曲線；

16、在各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表中尋找與所述序列曲線距離最遠(yuǎn)的有序點(diǎn)，若距離大于所述數(shù)據(jù)閾值，則將該點(diǎn)作為標(biāo)記點(diǎn)。

17、進(jìn)一步的，構(gòu)建模糊查詢條件，并將所述模糊查詢條件和各所述當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)輸入至所述條件生成模型，以計算出當(dāng)前時間序列數(shù)據(jù)的匹配度，并根據(jù)所述匹配度輸出查詢結(jié)果的步驟包括：

18、定義模糊查詢條件，并篩選出各所述當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)中經(jīng)過所述模糊查詢條件的查詢范圍的所有標(biāo)記點(diǎn)，記為標(biāo)記點(diǎn)集合；

19、將所述標(biāo)記點(diǎn)集合、所述模糊查詢條件輸入至所述條件生成模塊，以計算出所述當(dāng)前時間序列數(shù)據(jù)的匹配度，并將所述匹配度大于等于所述模糊查詢條件的匹配率的當(dāng)前時間序列數(shù)據(jù)進(jìn)行提取，以生成對應(yīng)的查詢結(jié)果。

20、本發(fā)明還提出一種時間序列數(shù)據(jù)查詢系統(tǒng)，包括：

21、數(shù)據(jù)獲取模塊，用于獲取歷史時間序列數(shù)據(jù)集，其中，所述歷史時間序列數(shù)據(jù)集中每條時間序列數(shù)據(jù)由密集且非均勻采樣的二維點(diǎn)的有序列表組成；

22、數(shù)據(jù)處理模塊，用于提取所述歷史時間序列數(shù)據(jù)集中各時間序列數(shù)據(jù)的數(shù)據(jù)標(biāo)簽，并根據(jù)所述數(shù)據(jù)標(biāo)簽和各所述時間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，以得到各所述時間序列數(shù)據(jù)的相似序列數(shù)據(jù)；

23、模型構(gòu)建模塊，用于將各所述相似序列數(shù)據(jù)、各所述時間序列數(shù)據(jù)及其對應(yīng)的數(shù)據(jù)標(biāo)簽輸入至預(yù)設(shè)的模型學(xué)習(xí)器中，以構(gòu)建出對應(yīng)的條件生成模型；

24、數(shù)據(jù)對比模塊，用于對所獲取到的當(dāng)前時間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)升維處理，以得到各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表，并給定數(shù)據(jù)閾值，將各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表和所述數(shù)據(jù)閾值進(jìn)行比對，以得到各所述當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)；

25、數(shù)據(jù)查詢模塊，用于構(gòu)建模糊查詢條件，并將所述模糊查詢條件和各所述當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)輸入至所述條件生成模型，以計算出所述當(dāng)前時間序列數(shù)據(jù)的匹配度，并根據(jù)所述匹配度輸出查詢結(jié)果。

26、進(jìn)一步的，所述數(shù)據(jù)處理模塊包括：

27、標(biāo)簽提取單元，用于提取所述歷史時間序列數(shù)據(jù)集中各時間序列數(shù)據(jù)的數(shù)據(jù)標(biāo)簽，并分別將各所述時間序列數(shù)據(jù)及其對應(yīng)的數(shù)據(jù)表情輸入至預(yù)設(shè)的模型生成器和模型判別器中；

28、數(shù)據(jù)訓(xùn)練單元，用于從所述模型生成器的輸出中給定一個樣本數(shù)據(jù)，并利用所述模型判別器對所述樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)判別，若所述樣本數(shù)據(jù)屬于真樣本數(shù)據(jù)，則利用所述樣本數(shù)據(jù)對所述模型生成器進(jìn)行訓(xùn)練，以得到各所述時間序列數(shù)據(jù)的相似序列數(shù)據(jù)。

29、進(jìn)一步的，所述模型構(gòu)建模塊包括：

30、模型優(yōu)化單元，用于構(gòu)建生成對抗網(wǎng)絡(luò)模型，并在所述生成對抗網(wǎng)絡(luò)模型的前兩層全連接層中增加修正線性函數(shù)，以得到生成對抗網(wǎng)絡(luò)優(yōu)化模型，其中，所述生成對抗網(wǎng)絡(luò)優(yōu)化模型采用三層全連接層，前一連接層的輸出作為后一連接層的輸入；

31、模型構(gòu)建單元，用于構(gòu)建所述生成對抗網(wǎng)絡(luò)優(yōu)化模型的損失函數(shù)，并將各所述相似序列數(shù)據(jù)、各所述時間序列數(shù)據(jù)及其對應(yīng)的數(shù)據(jù)標(biāo)簽輸入至所述生成對抗網(wǎng)絡(luò)優(yōu)化模型中，以構(gòu)建出對應(yīng)的條件生成模型。

32、進(jìn)一步的，所述數(shù)據(jù)對比模塊包括：

33、數(shù)據(jù)處理單元，用于將各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表中兩個相鄰的有序點(diǎn)進(jìn)行連接，以得到對應(yīng)的序列曲線；

34、數(shù)據(jù)對比單元，用于在各所述當(dāng)前時間序列數(shù)據(jù)的有序點(diǎn)列表中尋找與所述序列曲線距離最遠(yuǎn)的有序點(diǎn)，若距離大于所述數(shù)據(jù)閾值，則將該點(diǎn)作為標(biāo)記點(diǎn)。

35、進(jìn)一步的，所述數(shù)據(jù)查詢模塊包括：

36、條件定義單元，用于定義模糊查詢條件，并篩選出各所述當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)中經(jīng)過所述模糊查詢條件的查詢范圍的所有標(biāo)記點(diǎn)，記為標(biāo)記點(diǎn)集合；

37、數(shù)據(jù)查詢單元，用于將所述標(biāo)記點(diǎn)集合、所述模糊查詢條件輸入至所述條件生成模塊，以計算出所述當(dāng)前時間序列數(shù)據(jù)的匹配度，并將所述匹配度大于等于所述模糊查詢條件的匹配率的當(dāng)前時間序列數(shù)據(jù)進(jìn)行提取，以生成對應(yīng)的查詢結(jié)果。

38、本發(fā)明還提出一種可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，該程序被處理器執(zhí)行時實(shí)現(xiàn)上述的時間序列數(shù)據(jù)查詢方法。

39、本發(fā)明還提出一種計算機(jī)，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運(yùn)行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實(shí)現(xiàn)上述的時間序列數(shù)據(jù)查詢方法。

40、本發(fā)明當(dāng)中的時間序列數(shù)據(jù)查詢方法、系統(tǒng)、可讀存儲介質(zhì)及計算機(jī)，通過對歷史時間序列數(shù)據(jù)集中各時間序列數(shù)據(jù)的數(shù)據(jù)標(biāo)簽進(jìn)行提取，并利用數(shù)據(jù)標(biāo)簽和各時間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，以得到時間序列數(shù)據(jù)的相似序列數(shù)據(jù)，將相似序列數(shù)據(jù)、各時間序列數(shù)據(jù)及其對應(yīng)的數(shù)據(jù)標(biāo)簽輸入至預(yù)設(shè)的模型學(xué)習(xí)器中構(gòu)建出條件生成模型，利用模型學(xué)習(xí)數(shù)據(jù)集中數(shù)據(jù)的分布規(guī)律，為數(shù)據(jù)集中每個數(shù)據(jù)生成足夠的樣本，從而提高數(shù)據(jù)集的估計精度和準(zhǔn)確度；對所獲取到的當(dāng)前時間序列數(shù)據(jù)進(jìn)行數(shù)據(jù)升維處理，能夠更好的表示出數(shù)據(jù)中的復(fù)雜結(jié)構(gòu)，利用預(yù)設(shè)的數(shù)據(jù)閾值得到各當(dāng)前時間序列數(shù)據(jù)的標(biāo)記點(diǎn)，從而更好的保持?jǐn)?shù)據(jù)的斜率特征，構(gòu)建模糊查詢條件，利用模糊查詢條件、標(biāo)記點(diǎn)和條件生成模型計算出匹配度，根據(jù)匹配度輸出查詢結(jié)果，基于模糊查詢的方式增強(qiáng)時間序列數(shù)據(jù)集的探索和查詢能力，進(jìn)而提升數(shù)據(jù)查詢的效率。