一种时序数据处理方法、装置、电子设备和存储介质与流程

1.本公开涉及数据处理技术领域，尤其涉及人工智能技术领域。


背景技术：

2.时序数据随着时间的变化而生成，相邻或者相近时间段对应的时序数据往往具有相关性。在一些应用场景中，可以通过时序数据处理模型对时序数据进行处理。为提高对时序数据进行处理的准确性，时序数据处理模型中可以包括多个特征处理单元。由于时序数据具有上述特点，各特征单元在进行特征处理时，每次均对已获得的全量时序数据进行处理。


技术实现要素：

3.本公开提供了一种时序数据处理方法、装置、电子设备和存储介质。
4.根据本公开的一方面，提供了一种时序数据处理方法，包括：
5.确定时序数据处理模型对目标数据进行处理过程中特征处理单元的输入数据，所述目标数据为：当前时间单元对应的时序数据的增量数据；
6.从缓存中获得所述特征处理单元的前序数据，所述前序数据为：所述特征处理单元在前一时间单元进行特征处理时已获得的数据；
7.获得所述特征处理单元对所述输入数据和所述前序数据进行特征处理的第一结果；
8.将所述第一结果更新至缓存；
9.在获得所述时序数据处理模型对所述目标数据进行处理的第二结果后，将所述第二结果和所述目标数据更新至缓存。
10.根据本公开的另一方面，提供了一种时序数据处理装置，包括：
11.输入数据确定模块，用于确定时序数据处理模型对目标数据进行处理过程中特征处理单元的输入数据，所述目标数据为：当前时间单元对应的时序数据的增量数据；
12.前序数据获得模块，用于从缓存中获得所述特征处理单元的前序数据，所述前序数据为：所述特征处理单元在前一时间单元进行特征处理时已获得的数据；
13.第一结果获得模块，用于获得所述特征处理单元对所述输入数据和所述前序数据进行特征处理的第一结果；
14.第一结果更新模块，用于将所述第一结果更新至缓存；
15.第二结果和目标数据更新模块，用于在获得所述时序数据处理模型对所述目标数据进行处理的第二结果后，将所述第二结果和所述目标数据更新至缓存。
16.根据本公开的再一方面，提供了一种电子设备，包括：
17.至少一个处理器；以及
18.与所述至少一个处理器通信连接的存储器；其中，
19.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一
个处理器执行，以使所述至少一个处理器能够执行上述时序数据处理方法。
20.根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述时序数据处理方法。
21.根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行上述时序数据处理方法。
22.由以上可见，本公开实施例提供的方案中，在各时间单元对时序数据处理的过程中，缓存特征处理单元进行特征处理的第一结果和时序数据处理模型处理得到的第二结果，使得在后续时间单元对时序数据处理的过程中，在特征处理单元的特征处理需要前序数据的情况下，可以从已缓存的数据中选择特征处理单元所需的前序数据。这样，各特征处理单元可以在考虑时序数据的相关性的情况下，从缓存中获得当前时间单元对应的目标数据的前序数据，而不需要通过重新计算获得，另外，由于目标数据为增量数据，相对于全量数据而言，增量数据的数据量较小，进行特征处理所需的时间较短，从而提高了特征处理单元进行特征处理的效率，提高了时序数据处理模型的处理效率。
23.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
24.附图用于更好地理解本方案，不构成对本公开的限定。其中：
25.图1是本公开实施例提供的一种时序pipeline模型的结构示意图；
26.图2是本公开实施例提供的另一种时序pipeline模型的结构示意图；
27.图3是本公开实施例提供的一种时序数据处理方法的流程示意图；
28.图4是本公开实施例提供的一种输入数据的示意图；
29.图5是本公开实施例提供的一种特征处理单元的输入数据和输出结果的示意图；
30.图6是本公开实施例提供的一种时序pipeline模型的时序数据处理的流程示意图；
31.图7是本公开实施例提供的一种更新缓存数据的过程示意图；
32.图8是本公开实施例提供的一种时序数据处理装置的结构示意图；
33.图9是用来实现本公开实施例的时序数据处理方法的电子设备的框图。
具体实施方式
34.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
35.下面对本公开实施例所提供的方案的应用场景进行说明。
36.本公开实施例提供的时序数据处理方法可以应用在包含多个特征处理单元的时序数据处理模型对时序数据进行数据处理的场景中。例如，时序处理模型可以是时序pipeline(管道，一种数据处理模型)模型。具体的，时序数据处理过程可以是基于时序pipeline模型进行的滚动预测的过程，其中，滚动预测可以是对电力负荷进行预测，可以是
对网络流量进行预测，也可以是对其它具有时序特征的数据进行预测等。
37.下面将结合时序pipeline模型进行滚动预测的情况对本公开实施例提供的方案进行说明。
38.首先通过举例对本公开实施例与现有技术的区别进行说明。
39.现有技术中，假设：现有一种时序数据处理模型，参见图1，图1提供了一种时序pipeline模型的结构示意图。该时序pipeline模型包括：特征处理单元1、特征处理单元2、特征处理单元3和预测单元。该时序pipeline模型可以用于滚动预测，在该模型对时序数据进行预测的过程中，当前时间单元的时序数据需要先经过特征处理单元1进行特征处理，再由特征处理单元2对特征处理单元1的输出结果1进行特征处理。特征处理单元3对特征处理单元2的输出结果2进行特征处理，得到输出结果3。预测单元基于输出结果3对时序数据进行预测，得到当前时间单元的预测结果。
40.在对下一时间单元的的时序数据进行预测的过程中，由于时序数据与相邻或者相近时间段对应的时序数据往往具有相关性，所以在进行预测的过程中，需要考虑上一时间单元的时序数据和预测结果，所以需要将新的时序数据、上一时间单元的时序数据和预测结果都输入到模型中。这样，特征处理单元可以更准确的进行特征处理。但是，随着时序数据预测过程的进行，每次输入到模型中的数据的都要对包含当前时间单元前使用的时序数据、预测结果和新的时序数的全量数据进行特征处理。
41.本公开的一个实施例中，与图1提供的时序pipeline模型相对应，参见图2，图2提供了另一种时序pipeline模型的结构示意图。与图1提供的时序pipeline模型不同的是，本公开实施例中，针对特征处理单元1、特征处理单元2、特征处理单元3和预测单元开辟了缓存区域，用于缓存各个特征处理单元在进行特征处理的过程中的处理结果，以及时序pipeline模型的处理结果。这样，在特征处理单元需要前序数据来进行特征处理的情况下，可以从缓存中获得特征处理单元对应的前序数据，因此可以直接对当前时间单元对应的时序数据的新增加的增量数据，也就是，目标数据进行特征处理。
42.接下来对本公开实施例提供的方案的具体实现方式进行说明。
43.本公开的一个实施例中，参见图3，图3提供了一种时序数据处理方法的流程示意图。上述方法包括以下步骤s301-s305。
44.步骤s301：确定时序数据处理模型对目标数据进行处理过程中特征处理单元的输入数据。
45.其中，目标数据为：当前时间单元对应的时序数据的增量数据。
46.可以将时序数据按照不同的时间单元进行切分，时序数据处理模型按照时间顺序依序对各个时间单元的时序数据进行时序数据处理。其中，时间单元可以是一小时、一天、一周或者一个月等等。增量数据可以是在前一时间单元的时序数据的基础上新增的数据。
47.时序数据处理模型所包括的各个特征处理单元可以执行不同特征处理操作，也就是，各个特征处理单元可以具有不同的功能。各个特征处理单元的功能可以由人员定义，各个特征处理单元的输入数据也可以由人员定义。因此各个特征处理单元的输入数据可以各不相同。上述步骤中需要确定输入数据的特征处理单元可以是时序数据处理模型中的所有特征处理单元，也可以是时序数据处理模型中的部分特征处理单元，本公开实施例不对此进行限定。
48.例如，各个特征处理单元的功能可以是进行特征提取、进行特征变换、进行归一化处理等等。
49.步骤s301的具体实现方式将在下文进行说明，这里暂不详述。
50.步骤s302：从缓存中获得特征处理单元的前序数据。
51.其中，前序数据为：上述特征处理单元在前一时间单元进行特征处理时已获得的数据。
52.缓存中可以缓存各个特征处理单元在各时间单元进行特征处理时已获得的数据，也可以缓存时序数据处理模型对各个时间单元对应的时序数据的增量数据的处理结果。另外，需要前序数据进行特征处理的单元可以由人员进行设定，还可以结合业务需要对指定用于进行特征处理的单元的前序数据进行设定。例如，在时序数据处理模型第一次对目标数据进行处理的过程中，可以将预设结果和已知结果的时序数据作为前序数据。
53.一种实现方式中，从缓存中获得以下数据的至少一种，作为上述特征处理单元的前序数据：相邻且在先进行特征处理的单元在前一时间单元之前的输出结果；针对时序数据的已得处理结果，已得处理结果的时序位于第一结果的时序之前；当前时间单元之前对应的时序数据。
54.与步骤s301的一种实现方式相对应，前序数据应包括与上述特征处理单元的数据输入相对应的数据。例如，若上述输入数据包括：相邻且在先进行特征处理的单元的输出结果，则前序数据应包括：相邻且在先进行特征处理的单元在前一时间单元之前的输出结果。若上述数据输入包括：针对时序数据的已得处理结果，则前序数据应包括：针对时序数据的已得处理结果，已得处理结果的时序位于第一结果的时序之前。若上述数据输入包括：目标数据，则前序数据应包括：当前时间单元之前对应的时序数据。其中，针对时序数据的已得处理结果和当前时间单元之前对应的时序数据可以是上一个时间单元的，也可以是当前时间单元之前部分时间单元的，或者是当前时间单元之前所有时间单元的。
55.由以上可见，为前序数据获得的内容可以与输入数据相对应，这样使得各个输入数据都拥有自身的前序数据，便于特征处理单元基于时序数据的相关性进行特征处理，提高特征处理的准确度。
56.步骤s303：获得上述特征处理单元对输入数据和前序数据进行特征处理的第一结果。
57.也就是，获得特征处理单元输出的输出结果。
58.其中，特征处理单元如何对输入数据和前序数据进行特征处理依据具体的应用场景而定。例如，在网络流量预测场景下，特征处理单元可以是对输入数据和前序数据进行流量特征预测处理；在电力负荷预测场景下，特征处理单元可以是对输入数据和前序数据进行电力负荷量的特征进行特征预测。
59.步骤s304：将第一结果更新至缓存。
60.将第一结果更新至缓存，用于为需要前序数据来特征处理的特征处理单元提供前序数据。对于在同一时间单元中最后需要进行特征处理的特征处理单元，将第一结果更新至缓存，可以为时序数据处理模型所需的处理后的数据保留副本。
61.一种实现方式中，若缓存中存在上述特征处理单元的输出结果，将第一结果拼接至上述输出结果的数据尾；若缓存中不存在上述输出结果，在缓存中直接存储第一结果。
62.具体的，拼接过程需要将新得到的第一结果与已有数据对应的进行拼接。上述“对应的”是指定特征处理单元的第一结果要拼接至自身特征处理单元在针对之前时间单元的目标数据进行特征处理的输出结果中。
63.由以上可见，将第一结果拼接至对应的特征处理单元的输出结果的数据尾，以各个特征处理单元为基础，统一缓存数据，便于进行统一的数据处理，提高数据处理的效率。
64.步骤s305：在获得上述时序数据处理模型对目标数据进行处理的第二结果后，将第二结果和目标数据更新至缓存。
65.一种实现方式中，将第二结果拼接至缓存中针对时序数据的已得处理结果的数据尾；将目标数据拼接至缓存中时序数据的数据尾。
66.当获得第二结果后，可以认为当前时间单元前的时序数据处理完成，将得到的第二结果作为针对时序数据的已得处理结果。所以将第二结果拼接至缓存中针对时序数据的已得处理结果的数据尾。
67.当前时间单元前的时序数据处理完成，则也认为该目标数据已处理完成，所以将目标数据拼接至缓存中的时序数据的数据尾，作为后续进行时序数据处理过程中的前序数据。
68.由以上可见，将第二结果拼接至已得处理结果的数据尾，将目标数据拼接至缓存中时序数据的数据尾，可以将已处理时序数据和已得处理结果的数据对齐，便于后续时序数据处理进行处理，提高数据处理的效率。
69.由以上可见，本公开实施例提供的方案中，在各时间单元对时序数据处理的过程中，缓存特征处理单元进行特征处理的第一结果和时序数据处理模型处理得到的第二结果，使得在后续时间单元对时序数据处理的过程中，在特征处理单元的特征处理需要前序数据的情况下，可以从已缓存的数据中选择特征处理单元所需的前序数据。这样，各特征处理单元可以在考虑时序数据的相关性的情况下，从缓存中获得当前时间单元对应的目标数据的前序数据，而不需要通过重新计算获得，另外，由于目标数据为增量数据，相对于全量数据而言，增量数据的数据量较小，进行特征处理所需的时间较短，从而提高了特征处理单元进行特征处理的效率，提高了时序数据处理模型的处理效率。
70.另外，由于缓存中缓存了上述第一结果和第二结果，这样特征处理单元在后续的时间单元中进行特征处理时，可以直接使用缓存中已经缓存的数据，而无需重复进行计算，因此，能够节省计算资源。又由于重复的计算会占用大量的内存资源，本公开实施例提供的方案中不需要进行重复计算，因此，也能够节省内容资源。
71.下面对步骤s301的实现方式进行说明。
72.一种实现方式中，针对时序数据处理模型中非第一个进行特征处理的特征处理单元，确定上述特征处理单元的输入数据包括以下数据中的至少一种：相邻且在先进行特征处理的单元的输出结果、针对时序数据的已得处理结果和目标数据。
73.其中，第一个进行特征处理的特征处理单元可以是在时序数据处理模型中所有特征处理单元中时间上第一个开始进行特征处理的单元，也可以是指特征处理过程不需要其它的特征处理单元的处理结果，可以直接开始进行特征处理的单元。否则，则属于非第一个进行特征处理的特征处理单元。
74.下面对上述三种输入数据进行举例说明。
75.1.相邻且在先进行特征处理的单元的输出结果
76.对于一个特征处理单元而言，在该特征处理单元的上一个进行特征处理的单元的输出结果，也就是，从数据处理流程上来讲，与该特征处理单元处理流程相邻，且在该特征处理单元之前的特征处理单元的输出结果。例如，如图2所示的时序数据处理模型，在这种情况下，特征处理单元2的相邻且在先进行特征处理的单元的输出结果可以是：特征处理单元1的输出结果1。
77.2.针对时序数据的已得处理结果
78.一种情况下，针对时序数据的已得处理结果可以是在上一时间单元中，时序数据处理模型针对上一时间单元的目标数据进行处理得到的第二结果，或者是时序数据处理模型针对之前时间单元的目标数据进行处理得到的所有第二结果。另一种情况下，上述已得处理结果也可以是针对时序数据预设的已知的结果。
79.3.目标数据
80.如前所述，目标数据是当前时间单元处理的增量数据。
81.可见，在数据输入中加入相邻且在先进行特征处理的单元的输出结果，可以使当前特征处理过程能够考虑到目标数据的其它特征，提高特征处理的准确度；在数据输入中加入针对时序数据的已得处理结果，可以作为特征处理过程中的标签数据，提高特征处理的准确度，也可以便于对未经过特征提取的第二结果进行同步的特征提取，统一数据，便于进行数据处理；在数据输入中加入目标数据，可以更多的提取时序数据的特征，提高时序数据处理模型的准确度。
82.另一种实现方式中，针对时序数据处理模型中第一个进行特征处理的特征处理单元，确定所述特征处理单元的输入数据包括目标数据和针对时序数据的已得处理结果。
83.其中，针对时序数据的已得处理结果可以包括针对时序数据已得的第二结果和/或针对时序数据的预设结果。上述针对时序数据已得的第二结果可以是上一时间单元获得的第二结果，也可以是当前已得的部分或者所有第二结果。
84.一种方式中，上述输入数据还可以包括针对时序数据的已得处理结果对应的时序数据。这样，便于特征处理单元更准确的提取时序数据的特征。如图4所示，图4提供了一种输入数据的示意图。图4左侧虚线内的内容代表包括针对时序数据的已得处理结果和目标数据的输入数据，右侧虚线内的内容代表包括针对时序数据的已得处理结果、针对时序数据的已得处理结果对应的时序数据和目标数据的输入数据。
85.由以上可见，第一个进行特征处理的特征处理单元的输入数据包括目标数据和针对时序数据的已得处理结果，这样，可以在为当前时间单元对应的时序数据的增量数据进行特征处理的过程中一并为针对时序数据的已得处理结果进行特征处理，可以提高特征处理的效率。
86.再一种实现方式中，上述输入数据还可以包括各个在先进行特征处理的单元的输出结果。一种方式中，可以将特征处理单元的输出结果设置为：将自身特征处理单元的特征处理结果和自身特征处理的单元的输入数据一同作为输出结果。那么，在第一个进行特征处理的单元的输入数据包括：针对时序数据的已得处理结果和目标数据的情况下，非第一个进行特征处理的单元可以将输入数据设置为：相邻且在先进行特征处理的单元的输出结果，这样，第二个进行特征处理的单元就可以接收到：针对时序数据的已得处理结果、目标
数据和第一个进行特征处理的单元的特征处理结果。以此类推，后续各个进行特征处理的单元都可以保留各个在先进行特征处理的单元的输出结果。例如，参见图5，图5提供了一种特征处理单元的输入数据和输出结果的示意图。首先，将特征处理单元1和特征处理单元2的输出结果设置为：将自身特征处理单元的特征处理结果和自身特征处理的单元的输入数据一同作为输出结果。将特征处理单元2和特征处理单元3的输入数据设置为：相邻且在先进行特征处理的单元的输出结果。那么，特征处理单元1的输入数据为针对时序数据的已得处理结果和目标数据，输出结果为已得处理结果、目标数据和特征处理单元1的输出结果1。特征处理单元2的输入数据为已得处理结果、目标数据和输出结果1，特征处理单元2的输出结果为已得处理结果、目标数据、输出结果1和特征处理单元2的输出结果2。特征处理单元3的输入数据为已得处理结果、目标数据、输出结果1和输出结果2，由于特征处理单元3的特征处理方式不同，所以可以单独设置输出结果。这样，在特征处理单元3对自身输入数据进行处理前，输出结果1和输出结果2都被保留下来。
87.本公开的一个实施例中，下面以时序数据处理模型为上述时序pipeline模型为例，结合图6对本公开实施例提供的方案进行说明。
88.参见图6，图6提供了一种时序pipeline模型的时序数据处理的流程示意图。上述时序pipeline模型用于对时序数据进行预测。
89.上述时序pipeline模型包括：特征处理单元1、特征处理单元2、特征处理单元3和预测单元。
90.当获得新的时序数据之后，可以开始进行时序数据处理的过程。其中，新的时序数据可以是一个时间单元的时序数据，也可以获得一长段时间的时序数据，然后按照时间单元对一长段时间的时序数据进行切分，得到多个时间单元的时序数据，按照时间顺序先对第一个时间单元的时序数据进行处理。为方便进行说明，下面以时间单元为一天为例进行说明。
91.假设，现存在一段针对时序数据的已得处理结果以及其对应的时序数据，并将上述数据存入缓存中。那么，可以将上述时序数据的尾时间作为预测开始时间。若获得开始预测时间之后一段时序数据，则可以先将待预测时序数据切分出一天的时序数据，作为第一天对应的时序数据的增量数据，也就是，目标数据。
92.1.下面开始对第一天的目标数据进行时序数据处理。
93.确定目标数据、针对时序数据的已得处理结果和针对时序数据的已得处理结果对应的时序数据作为特征处理单元1的输入数据。第一天的目标数据的前序数据为针对时序数据的已得处理结果对应的时序数据，由于第一天的目标数据的前序数据未进行过特征处理，所以可以将其也作为特征处理单元1的输入数据。
94.特征处理单元1进行特征处理后得到输出结果1，由特征处理单元2对输出结果1进行特征处理，由于输出结果1中包含针对当前时间单元之前的时序数据的特征处理单元1的特征处理结果，特征处理单元2可以将输出结果1中的时序为第一天之前的特征处理结果作为前序数据。所以特征处理单元2对输出结果1进行特征处理后得到输出结果2。
95.同理，特征处理单元3可以将输出结果2中的时序为第一天之前的特征处理结果作为前序数据。由特征处理单元3对输出结果2进行归一化处理，得到输出结果3。
96.由于缓存中未存有特征处理单元1、特征处理单元2和特征处理单元3的处理结果，
所以直接将输出结果1、输出结果2和输出结果3存储到缓存中。
97.预测单元通过对输出结果3进行处理，预测得到第一天目标数据的预测结果，作为第二结果。然后将预测结果和目标数据更新至缓存中的针对时序数据的已得处理结果以及其对应的时序数据中。
98.2.完成对第一天的目标数据进行时序数据处理的过程之后，开始对第二天的目标数据进行时序数据处理。
99.这时，针对时序数据的已得处理结果以及其对应的时序数据中已经包含了对第一天的目标数据进行时序数据处理的预测结果和第一天的目标数据。
100.由于第一天的目标数据进行时序数据处理的预测结果未进行过特征处理，所以可以将第二天的目标数据和第一天的目标数据的已得处理结果作为特征处理单元1的输入数据。
101.特征处理单元1进行特征处理后得到输出结果1，由特征处理单元2对输出结果1进行特征处理。由于输出结果1中不再包含当前时间单元之前的时序数据的特征处理单元1的特征处理结果，所以，特征处理单元2确定输出结果1为输入数据，从缓存中获得针对第一天目标数据进行特征处理得到的输出结果1作为前序数据，进行特征处理后得到输出结果2。
102.同理，特征处理单元3可以确定输出结果2中为输入数据，从缓存中获得针对第一天目标数据进行特征处理得到的输出结果2作为前序数据，进行特征处理后得到输出结果3。
103.这时，缓存中已经存有针对第一天目标数据进行特征处理得到的输出结果1、输出结果2和输出结果3，所以可以将针对第二天目标数据进行特征处理得到的输出结果1、输出结果2和输出结果3分别更新到缓存中。例如，参见图7，图7提供了一种更新缓存数据的过程示意图。如图7所示，将针对第二天目标数据进行特征处理得到的输出结果1更新到缓存中的输出结果1的数据尾，且各个数据一一对应。同理输出结果2和输出结果3采用相同的方式进行拼接。
104.缓存单元对当前缓存中拼接后的数据结果3进行预测，得到针对第二天目标数据进行预测的预测结果，作为第二天的第二结果。然后将预测结果和目标数据更新至缓存中的针对时序数据的已得处理结果以及其对应的时序数据中。
105.3.完成对第二天的目标数据进行时序数据处理的过程之后，开始对第三天的目标数据进行时序数据处理。
106.这时，针对时序数据的已得处理结果以及其对应的时序数据中已经包含了当前时间单元之前的目标数据进行时序数据处理的预测结果和了当前时间单元之前的目标数据。以此类推，按照与第二天对目标数据进行时序处理相似的方式，对第三天的目标数据进行处理。
107.若所有未预测的时序数据都被时序pipeline模型处理完成后，可以停止数据处理，也可以等待新的时序数据。若又获得新的时序数据，则可以继续按照上述方式对新的时序数据进行处理。
108.本公开的一个实施例中，参见图8，图8提供了一种时序数据处理装置的结构示意图。上述装置包括：
109.输入数据确定模块801，用于确定时序数据处理模型对目标数据进行处理过程中
特征处理单元的输入数据，所述目标数据为：当前时间单元对应的时序数据的增量数据；
110.前序数据获得模块802，用于从缓存中获得所述特征处理单元的前序数据，所述前序数据为：所述特征处理单元在前一时间单元进行特征处理时已获得的数据；
111.第一结果获得模块803，用于获得所述特征处理单元对所述输入数据和所述前序数据进行特征处理的第一结果；
112.第一结果更新模块804，用于将所述第一结果更新至缓存；
113.第二结果和目标数据更新模块805，用于在获得所述时序数据处理模型对所述目标数据进行处理的第二结果后，将所述第二结果和所述目标数据更新至缓存。
114.由以上可见，本公开实施例提供的方案中，在各时间单元对时序数据处理的过程中，缓存特征处理单元进行特征处理的第一结果和时序数据处理模型处理得到的第二结果，使得在后续时间单元对时序数据处理的过程中，在特征处理单元的特征处理需要前序数据的情况下，可以从已缓存的数据中选择特征处理单元所需的前序数据。这样，各特征处理单元可以在考虑时序数据的相关性的情况下，从缓存中获得当前时间单元对应的目标数据的前序数据，而不需要通过重新计算获得，另外，由于目标数据为增量数据，相对于全量数据而言，增量数据的数据量较小，进行特征处理所需的时间较短，从而提高了特征处理单元进行特征处理的效率，提高了时序数据处理模型的处理效率。
115.本公开的一个实施例中，所述输入数据确定模块，具体用于：针对时序数据处理模型中非第一个进行特征处理的特征处理单元，确定所述特征处理单元的输入数据包括以下数据中的至少一种：
116.相邻且在先进行特征处理的单元的输出结果；
117.针对时序数据已得的第一结果；
118.所述目标数据。
119.可见，在数据输入中加入相邻且在先进行特征处理的单元的输出结果，可以使当前特征处理过程能够考虑到目标数据的其它特征，提高特征处理的准确度；在数据输入中加入针对时序数据的已得处理结果，可以作为特征处理过程中的标签数据，提高特征处理的准确度，也可以便于对未经过特征提取的第二结果进行同步的特征提取，统一数据，便于进行数据处理；在数据输入中加入目标数据，可以更多的提取时序数据的特征，提高时序数据处理模型的准确度。
120.本公开的一个实施例中，所述前序数据获得模块，具体用于：从缓存中获得以下数据的至少一种，作为所述特征处理单元的前序数据：
121.相邻且在先进行特征处理的单元在前一时间单元之前的输出结果；
122.针对时序数据已得的第二结果，所述第二结果的时序位于所述第一结果的时序之前；
123.当前时间单元之前对应的时序数据。
124.由以上可见，为前序数据获得的内容可以与输入数据相对应，这样使得各个输入数据都拥有自身的前序数据，便于特征处理单元基于时序数据的相关性进行特征处理，提高特征处理的准确度。
125.本公开的一个实施例中，所述输入数据确定模块，具体用于：针对时序数据处理模型中第一个进行特征处理的特征处理单元，确定所述特征处理单元的输入数据包括目标数
据和针对时序数据的已得处理结果。
126.由以上可见，第一个进行特征处理的特征处理单元的输入数据包括目标数据和针对时序数据的已得处理结果，这样，可以在为当前时间单元对应的时序数据的增量数据进行特征处理的过程中一并为针对时序数据的已得处理结果进行特征处理，可以提高特征处理的效率。
127.本公开的一个实施例中，所述第一结果更新模块，具体用于：若缓存中存在所述特征处理单元的输出结果，将所述第一结果拼接至所述输出结果的数据尾；若缓存中不存在所述输出结果，在缓存中直接存储所述第一结果。
128.由以上可见，将第一结果拼接至对应的特征处理单元的输出结果的数据尾，以各个特征处理单元为基础，统一缓存数据，便于进行统一的数据处理，提高数据处理的效率。
129.本公开的一个实施例中，所述第二结果和目标数据更新模块，具体用于：将所述第二结果拼接至缓存中针对时序数据的已得处理结果的数据尾；将所述目标数据拼接至缓存中时序数据的数据尾。
130.由以上可见，将第二结果拼接至已得处理结果的数据尾，将目标数据拼接至缓存中时序数据的数据尾，可以将已处理时序数据和已得处理结果的数据对齐，便于后续时序数据处理进行处理，提高数据处理的效率。
131.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
132.本公开的一个实施例中，提供了一种电子设备，包括：
133.至少一个处理器；以及
134.与所述至少一个处理器通信连接的存储器；其中，
135.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述时序数据处理方法。
136.本公开的一个实施例中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述时序数据处理方法。
137.本公开的一个实施例中，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行上述时序数据处理方法。
138.图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
139.如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(rom)902中的计算机程序或者从存储单元908加载到随机访问存储器(ram)903中的计算机程序，来执行各种适当的动作和处理。在ram 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、rom 902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
140.设备900中的多个部件连接至i/o接口905，包括：输入单元906，例如键盘、鼠标等；
输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
141.计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如方法时序数据处理。例如，在一些实施例中，方法时序数据处理可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由rom 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到ram 903并由计算单元901执行时，可以执行上文描述的方法时序数据处理的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法时序数据处理。
142.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
143.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
144.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
145.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用
任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
146.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
147.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
148.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
149.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。