一种面向大语言模型的时序特征解耦增强方法及系统、装置、介质

本申请涉及人工智能与大数据处理技术领域，涉及一种面向大语言模型的时序特征解耦增强方法及系统、装置、介质。所述方法包括：对原始时序数据进行预处理，生成标准化时序样本序列；对所述标准化时序样本序列进行动态权重平滑处理，得到平滑后的时序序列；对所述平滑后的时序序列进行长期依赖特征提取，生成增强特征向量；在不更新大语言模型参数的情况下，对动态权重平滑模块和长期依赖特征提取模块进行联合训练；将训练后的动态权重平滑模块和长期依赖特征提取模块注入至大语言模型中，并将预处理后的待分析数据输入大语言模型，进行时序数据的推理与预测。本发明对输入大语言模型的时序数据进行高效增强，提升了其处理时序数据的能力。