时间序列表示学习是提取和理解时间序列数据中复杂动态的关键。该领域分为基于模型和基于数据的方法，涉及预测、分类等应用。本文全面调查了时间序列表示学习的最新进展，提出了通用框架。介绍了时间序列定义、独特属性和神经架构，探讨了基础块组合、创新设计、学习导向方法、数据为中心方法。评估了典型实验设计，指出了开放挑战和未来研究方向，如时间序列注解、分布迁移适应等。