本发明公开了基于时序影响和图嵌入的时序数据表示学习方法，涉及一种学习方法。目前的模型都没有考虑子序列对时间信息的敏感性及子序列之间的相关性，会影响对子序列的演化、整个时间序列的演化趋势进行准确地分析和预测。本发明挖掘具有时序影响因子的、具有代表性的子序列，并通过构建时序演化图进一步提取子序列之间的相关性和影响；通过图嵌入算法对时序演化图进行表示学习，得到子序列的表示向量，进而对原时间序列进行表示学习，解决对时间序列的特征提取这一问题。能在复杂的时序数据中挖掘足够多的信息，能充分刻画子序列在时间维度和所在的特征空间内的特征，以辅助我们对时间序列进行分类和异常预测。