时序数据处理方法、装置及电子设备与流程

本申请涉及人工智能与金融科技领域，具体而言，涉及一种时序数据处理方法、装置及电子设备。

背景技术：

1、在计算机数据处理过程中，经常需要评估不同对象之间的关联程度。例如，在业务匹配场景中，数据处理系统需要根据第一对象的行为数据和第二对象的变化数据，计算第一对象与第二对象之间的匹配得分。传统的数据处理方法通常分别对第一对象和第二对象的原始数据进行统计或特征提取，再计算统计量之间的相似度作为匹配依据。

2、以金融科技领域中的业务数据处理为例，数据处理系统需要根据用户的交易行为数据和产品的波动数据，评估用户与产品之间的匹配程度。现有的数据处理方法在处理上述场景时，通常仅对用户的静态属性进行统计分析，或者仅对产品的收益数据进行单一维度的特征提取。用户的交易行为数据包含时间序列形式的变化信息，产品的波动数据包含幅度和频率方面的变化信息，这两类数据在数据结构上存在差异。现有方法难以同时利用第一对象的时序行为信息与第二对象的波动变化信息进行关联评估，导致第一对象与第二对象之间的匹配度评估精度较低。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本申请实施例提供了一种时序数据处理方法、装置及电子设备，以至少解决现有技术无法同时处理不同对象的动态行为特征以及波动模式特征，导致对不同对象之间的关联匹配度评估精度低的技术问题。

2、根据本申请实施例的一个方面，提供了一种时序数据处理方法，包括：获取第一时序数据、行为统计序列、第二时序数据和波动统计序列，其中，第一时序数据为关于第一对象的时序数据序列，行为统计序列至少包括第一对象的各种业务行为的发生频次；第二时序数据为关于第二对象的时序数据序列，波动统计序列至少包括第二时序数据的波动幅度和极值下降幅度，第一对象和第二对象属于存在业务往来的不同对象；依据第一时序数据和行为统计序列确定第一对象的行为特征向量，其中，行为特征向量用于表征第一对象的时序行为模式和行为统计特征；依据第二时序数据和波动统计序列确定第二对象的波动特征向量，其中，波动特征向量用于表征第二对象随时间变化的频域特征和数据波动规律；根据行为特征向量和波动特征向量确定第一对象与第二对象之间的匹配得分，并将匹配得分输出至显示设备或者依据匹配得分生成控制信号。

3、根据本申请实施例的另一方面，还提供了一种时序数据处理装置，包括：获取单元，用于获取第一时序数据、行为统计序列、第二时序数据和波动统计序列，其中，第一时序数据为关于第一对象的时序数据序列，行为统计序列至少包括第一对象的各种业务行为的发生频次；第二时序数据为关于第二对象的时序数据序列，波动统计序列至少包括第二时序数据的波动幅度和极值下降幅度，第一对象和第二对象属于存在业务往来的不同对象；第一特征向量确定单元，用于依据第一时序数据和行为统计序列确定第一对象的行为特征向量，其中，行为特征向量用于表征第一对象的时序行为模式和行为统计特征；第二特征向量确定单元，用于依据第二时序数据和波动统计序列确定第二对象的波动特征向量，其中，波动特征向量用于表征第二对象随时间变化的频域特征和数据波动规律；特征向量处理单元，用于根据行为特征向量和波动特征向量确定第一对象与第二对象之间的匹配得分，并将匹配得分输出至显示设备或者依据匹配得分生成控制信号。

4、根据本申请实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，在计算机程序运行时，使得计算机可读存储介质所在设备执行上述的时序数据处理方法。

5、根据本申请实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述的时序数据处理方法。

6、根据本申请实施例的另一方面，还提供了一种计算机程序产品，包括计算机程序或指令，计算机程序或指令在被处理器执行时实现上述的时序数据处理方法。

7、在本申请实施例中，数据处理系统可首先获取第一时序数据、行为统计序列、第二时序数据和波动统计序列。第一时序数据是关于第一对象的时序数据序列，用于反映第一对象随时间变化的数值轨迹；行为统计序列至少包括第一对象的各种业务行为的发生频次，用于补充第一对象在统计层面的行为特征。第二时序数据是关于第二对象的时序数据序列，用于反映第二对象随时间变化的原始数值过程；波动统计序列至少包括第二时序数据的波动幅度和极值下降幅度，用于刻画第二对象在时域上的波动剧烈程度和极端下降事件。数据处理系统依据第一时序数据和行为统计序列确定第一对象的行为特征向量。行为特征向量用于表征第一对象的时序行为模式和行为统计特征，从而将第一对象在时间序列上的动态行为变化规律与静态的行为发生频次信息融合为统一的向量表示，有利于减少现有技术中仅依赖单一维度描述第一对象所带来的信息缺失。并且，数据处理系统依据第二时序数据和波动统计序列确定第二对象的波动特征向量。波动特征向量用于表征第二对象随时间变化的频域特征和数据波动规律，从而将第二对象在不同频率成分上的能量分布信息与时域上的波动幅度、极值下降幅度信息融合为统一的向量表示，有利于避免仅依赖原始数值序列而忽略波动模式特征的缺陷。

8、而且，数据处理系统根据行为特征向量和波动特征向量确定第一对象与第二对象之间的匹配得分。由于行为特征向量同时包含了第一对象的时序行为模式和行为统计特征，波动特征向量同时包含了第二对象的频域特征和数据波动规律，因此基于上述行为特征向量和波动特征向量确定的匹配得分能够同时反映第一对象的行为规律与第二对象的波动规律之间的关联程度。数据处理系统将匹配得分输出至显示设备或者依据匹配得分生成控制信号，使得匹配结果得以输出或用于后续处理。本申请实施例通过获取包含动态行为信息和统计信息的第一对象数据、包含频域波动信息和时域波动规律的第二对象数据，并分别提取对应的行为特征向量和波动特征向量，再基于行为特征向量和波动特征向量确定匹配得分，有利于实现对不同对象的动态行为特征与波动模式特征的联合处理，从而有利于提高第一对象与第二对象之间关联匹配度的评估精度，进而解决了现有技术无法同时处理不同对象的动态行为特征以及波动模式特征，导致对不同对象之间的关联匹配度评估精度低的技术问题。

1.一种时序数据处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，依据所述第一时序数据和所述行为统计序列确定所述第一对象的行为特征向量，包括：

3.根据权利要求1所述的方法，其特征在于，依据所述第二时序数据和所述波动统计序列确定所述第二对象的波动特征向量，包括：

4.根据权利要求3所述的方法，其特征在于，通过所述门控循环单元处理所述卷积特征序列后输出所述波动特征向量，包括：

5.根据权利要求1所述的方法，其特征在于，根据所述行为特征向量和所述波动特征向量确定所述第一对象与所述第二对象之间的匹配得分，包括：

6.根据权利要求5所述的方法，其特征在于，根据所述行为特征向量、所述波动特征向量和所述匹配度特征数据确定所述匹配得分，包括：

7.根据权利要求1所述的方法，其特征在于，在根据所述行为特征向量和所述波动特征向量确定所述第一对象与所述第二对象之间的匹配得分之后，所述方法还包括：

8.根据权利要求1所述的方法，其特征在于，所述第一时序数据为目标用户在预设时间窗口内的用户总收益序列，所述行为统计序列为所述目标用户的交易行为统计序列，所述交易行为统计序列包括所述目标用户的交易发生频次和持仓持续时间；所述第二时序数据为待推荐基金的基金收益序列，所述波动统计序列为所述待推荐基金的基金波动统计序列，所述基金波动统计序列包括所述基金收益序列的局部波动幅度统计量和极值下降幅度统计量。

9.根据权利要求1所述的方法，其特征在于，所述第一时序数据为目标用户在预设时间窗口内的交易金额序列，所述行为统计序列为所述目标用户的交易类型发生频次和交易间隔时长；所述第二时序数据为网点的业务量序列，所述波动统计序列为所述业务量序列的波动幅度统计量和极值下降幅度统计量。

10.一种时序数据处理装置，其特征在于，包括：

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，在所述计算机程序运行时，使得所述计算机可读存储介质所在设备执行权利要求1至9中任意一项所述的时序数据处理方法。

12.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1至9中任意一项所述的时序数据处理方法。

13.一种计算机程序产品，其特征在于，包括计算机程序或指令，所述计算机程序或指令在被处理器执行时实现权利要求1至9中任意一项的时序数据处理方法。