CN115936789A - 考虑非线性时间常数的资源数值变动数据生成方法和装置 - Google Patents

Abstract

本申请涉及一种考虑非线性时间常数的资源数值变动数据生成方法和装置。所述方法包括：获取目标资源在目标时间周期内的至少一个候选时间权重集合，获取时间权重筛选模型，并在各候选时间权重集合中筛选出目标时间权重集合，根据目标时间权重集合，生成目标资源对应的用于描述资源数值变动情况的资源数值变动数据。采用本方法能够通过利用时间权重筛选模型，在候选时间权重集合中确定目标时间权重集合，进而根据目标时间权重集合，生成用于描述资源数值变动情况的资源数值变动数据，从而结合目标时间周期中各时间周期的重要程度，生成目标资源的资源数值变动数据，融合各时间周期的资源数值变动数据，进而提高资源数值变动数据的准确度。

Description

考虑非线性时间常数的资源数值变动数据生成方法和装置

技术领域

本申请涉及数据处理领域，特别是涉及一种考虑非线性时间常数的资源数值变动数据生成方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着数据处理技术的发展，针对社会经济现象的研究愈加频繁，为了描述特定对象在特定时间范围内的变化，经济学家提出了用构建指数模型的方法来研究资源数值变动数据，例如，十八世纪的经济学家就开始从事价格指数理论的研究及应用。

随着经济的发展，针对资源数值变动数据的研究日益增多，例如，世界各国开始广泛编制和应用价格指数，目前常用的指数包括居民消费价格指数、商品零售价格指数、固定资产投资价格指数及股票指数等。

然而，传统的资源数值变动数据主要关注首尾两个时间点，不利于提高资源数值变动数据的准确度。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高资源数值变动数据准确度的考虑非线性时间常数的资源数值变动数据生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种考虑非线性时间常数的资源数值变动数据生成方法。所述方法包括：

获取目标资源在目标时间周期内的至少一个候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度；

获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系；

在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合；

根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。

在其中一个实施例中，所述获取时间权重筛选模型，包括：

获取信息熵确定模型；所述信息熵确定模型用于表征所述候选时间权重集合与信息熵间的映射关系；

获取稳定度确定模型；所述稳定度确定模型用于表征所述候选时间权重集合与稳定度间的映射关系；

根据所述信息熵确定模型和所述稳定度确定模型，确定所述时间权重筛选模型。

在其中一个实施例中，所述方法还包括：

所述信息熵确定模型表示为：

其中，I(W)为所述信息熵，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重；

所述稳定度确定模型表示为：

其中，CV(W)为所述稳定度，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重；

所述时间权重筛选模型表示为：

A(W)＝αI(W)-βCV(W)

其中，A(W)为所述资源数值变动数据，α为所述信息熵对应的权重，β为所述稳定度对应的权重，且α+β＝1，I(W)为所述信息熵，CV(W)为所述稳定度。

在其中一个实施例中，所述获取目标资源在目标时间周期内的至少一个候选时间权重集合，包括：

获取原始时间权重集合；

按照第一时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第一时间权重集合；

按照第二时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第二时间权重集合；

根据所述第一时间权重集合和所述第二时间权重集合间的交集，确定所述候选时间权重集合。

在其中一个实施例中，所述方法还包括：

所述第一时间权重约束条件表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，D为时间度，用于衡量不同时间周期在所述目标资源周期中的重要程度；

所述第二时间权重约束条件表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

在其中一个实施例中，所述根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据，包括：

获取所述目标资源对应的资源描述信息；所述资源描述信息包括所述目标资源对应的资源数值数据和资源数量数据；

将所述资源描述信息和所述目标时间权重集合输入第一资源数值变动模型中，得到所述目标资源对应的第一资源数值变动数据；

其中，所述第一资源数值变动模型表示为：

其中，I_k为所述目标资源中第k种资源对应的第一资源数值变动数据，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，p_ik为所述目标资源中的第k种资源在第i个时间周期内的资源数值数据，q_ik为所述目标资源中的第k种资源在第i个时间周期内的资源数量数据，p_1k为所述目标资源中第k种资源在第1个时间周期内的资源数值数据。

在其中一个实施例中，所述根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据，还包括：

将所述目标时间权重集合输入第二资源数值变动模型中，得到所述目标资源对应的第二资源数值变动数据；

其中，所述第二资源数值变动模型表示为：

其中，I_com为所述目标资源对应的第二资源数值变动数据，S为所述目标资源包含的资源种类的数量，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，p_ik为所述目标资源中第k种资源在第i个时间周期内的资源数值数据，q_(i-1)k为所述目标资源中第k种资源在第i-1个时间周期内的资源数量数据，p_(i-1)k为所述目标资源中第k种资源在第i-1个时间周期内的资源数值数据，p_0k＝p_1k且q_0k＝q_1k。

第二方面，本申请还提供了一种考虑非线性时间常数的资源数值变动数据生成装置。所述装置包括：

获取模块，用于获取目标资源在目标时间周期内的至少一个候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度；

确定模块，用于获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系；

筛选模块，用于在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合；

生成模块，用于根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取目标资源在目标时间周期内的至少一个候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度；

获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系；

在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合；

根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。

上述考虑非线性时间常数的资源数值变动数据生成方法、装置、计算机设备、存储介质和计算机程序产品，通过获取目标资源在目标时间周期内的至少一个候选时间权重集合，确定候选时间权重集合中包括的至少一个时间权重，进而通过时间权重确定与该时间权重对应的时间周期在目标时间周期中的重要程度，通过获取时间权重筛选模型确定各候选时间权重集合与时间权重筛选信息间的映射关系，并在各候选时间权重集合中筛选出目标时间权重集合；其中，通过时间权重筛选模型确定目标时间权重集合对应的时间权重筛选信息大于通过时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；其他时间权重集合为各候选时间权重集合中除目标时间权重集合以外的候选时间权重集合；从而根据目标时间权重集合，生成目标资源对应的用于描述目标资源的资源数值变动情况的资源数值变动数据，能够通过获取候选时间权重集合，并利用时间权重筛选模型，在候选时间权重集合中确定目标时间权重集合，从而确定目标时间权重集合中各时间周期对应的时间权重，进而根据目标时间权重集合，生成用于描述目标资源的资源数值变动情况的资源数值变动数据，从而结合目标时间周期中各时间周期的重要程度，生成目标资源的资源数值变动数据，实现资源数值变动数据融合各时间周期的重要程度，进而提高资源数值变动数据的准确度。

附图说明

图1为一个实施例中一种考虑非线性时间常数的资源数值变动数据生成方法的应用环境图；

图2为一个实施例中一种考虑非线性时间常数的资源数值变动数据生成方法的流程示意图；

图3为另一个实施例中一种考虑非线性时间常数的资源数值变动数据生成方法的流程示意图；

图4为一个实施例中一种考虑非线性时间常数的资源数值变动数据生成装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的考虑非线性时间常数的资源数值变动数据生成方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102获取目标资源在目标时间周期内的至少一个候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度；终端102获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系；终端102在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合；终端102根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一些实施例中，如图2所示，提供了一种考虑非线性时间常数的资源数值变动数据生成方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤S202，获取目标资源在目标时间周期内的至少一个候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度。

其中，目标资源可以是指需要进行数值变动分析的对象，实际应用中，目标资源可以包括商品价格。

其中，目标时间周期可以是指进行数值变动分析时考虑的时间跨度，实际应用中，目标时间周期可以包括一年和十年。

其中，候选时间权重集合可以是指表征目标资源在特定时间周期对应的时间权重组成的集合，实际应用中，候选时间权重集合可以包括但不限于W＝(0，0，……，1)、W＝(1，0，……，0)和W＝(1/n，1/n，……，1/n)。

其中，时间权重可以是指候选时间权重集合中各特定时间周期对应的权重，实际应用中，时间权重可以包括0，1和1/n。

步骤S204，获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系。

其中，时间权重筛选模型可以是指用于筛选出符合预设要求的时间权重的模型，实际应用中，时间权重筛选模型可以表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，α为所述信息熵对应的权重，β为所述稳定度对应的权重，且α+β＝1，D为时间度，用于衡量不同时间周期在所述目标资源周期中的重要程度，可以看出，通过求解上述时间权重筛选模型表达式对应的非线性优化问题，就可得到符合预设要求的目标时间权重集合。

其中，时间权重筛选信息可以是指将时间权重输入时间权重筛选模型后得到的数据，实际应用中，时间权重筛选信息可以为如下表达式的值：

其中，A(W)为所述资源数值变动数据，α为所述信息熵对应的权重，β为所述稳定度对应的权重，且α+β＝1，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

步骤S206，在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合。

其中，目标时间权重集合可以是指通过时间权重筛选模型筛选得到的符合预设要求的时间权重集合，实际应用中，目标时间权重集合可以包括但不限于W＝(0，0，……，1)、W＝(1，0，……，0)和W＝(1/n，1/n，……，1/n)。

步骤S208，根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。

其中，资源数值变动数据可以是指描述目标资源的资源数值变动情况的数据，实际应用中，资源数值变动数据可以包括价格指数。

作为一种示例，终端获取目标商品对应的候选时间权重集合，该候选时间权重集合包含有至少一个子时间权重集合，由于目标商品的商品价格在目标时间周期内的时间权重分布情况存在至少一种，该子时间权重集合与上述分布情况中的各种情况一一对应，例如，当第一子时间权重集合为W＝(0，0，……，1)时，第一子时间权重集合表征在计算目标商品的价格指数时只考虑最远一个时间周期的情况，当第二子时间权重集合为W＝(1，0，……，0)时，第二子时间权重集合表征在计算目标商品的价格指数时只考虑最近一个时间周期的情况，当第三子时间权重集合为W＝(1/n，1/n，……，1/n)时，第三子时间权重集合表征在计算目标商品的价格指数时认为每个时间周期的重要程度相同；终端获取时间权重筛选模型后，将各候选时间权重集合输入时间权重筛选模型，并将时间权重筛选模型输出的与各候选时间权重集合对应的时间权重筛选信息进行比较，基于熵最大和变异系数最小的目标时间权重集合确定思路，将时间权重筛选信息最大的候选时间权重集合作为目标时间权重集合，终端将目标时间权重集合输入价格指数模型，终端通过价格指数模型对目标时间权重集合和目标商品的价格及数量信息进行运算，得到目标商品的价格指数。

上述考虑非线性时间常数的资源数值变动数据生成方法中，通过获取目标资源在目标时间周期内的至少一个候选时间权重集合，确定候选时间权重集合中包括的至少一个时间权重，进而通过时间权重确定与该时间权重对应的时间周期在目标时间周期中的重要程度，通过获取时间权重筛选模型确定各候选时间权重集合与时间权重筛选信息间的映射关系，并在各候选时间权重集合中筛选出目标时间权重集合；其中，通过时间权重筛选模型确定目标时间权重集合对应的时间权重筛选信息大于通过时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；其他时间权重集合为各候选时间权重集合中除目标时间权重集合以外的候选时间权重集合；从而根据目标时间权重集合，生成目标资源对应的用于描述目标资源的资源数值变动情况的资源数值变动数据，能够通过获取候选时间权重集合，并利用时间权重筛选模型，在候选时间权重集合中确定目标时间权重集合，从而确定目标时间权重集合中各时间周期对应的时间权重，进而根据目标时间权重集合，生成用于描述目标资源的资源数值变动情况的资源数值变动数据，从而结合目标时间周期中各时间周期的重要程度，生成目标资源的资源数值变动数据，实现资源数值变动数据融合各时间周期的重要程度，进而提高资源数值变动数据的准确度。

在一些实施例中，所述获取时间权重筛选模型，包括：

获取信息熵确定模型；所述信息熵确定模型用于表征所述候选时间权重集合与信息熵间的映射关系。

其中，信息熵确定模型可以是指用于筛选符合预设信息熵要求的时间权重

集合的模型，实际应用中，信息熵确定模型可以表示为：

其中，I(W)为所述信息熵，W为所述候选时间权重集合，W＝(w₁，w₂，……，

w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的15时间权重。

其中，信息熵可以是指将时间权重输入信息熵确定模型后得到的数据，实际应用中，信息熵可以包括时间权重向量熵I(W)。

获取稳定度确定模型；所述稳定度确定模型用于表征所述候选时间权重集合与稳定度间的映射关系。

20其中，稳定度确定模型可以是指用于筛选符合预设稳定度要求的时间权重

集合的模型，实际应用中，稳定度确定模型可以表示为：

其中，CV(W)为所述稳定度，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

其中，稳定度可以是指将时间权重输入稳定度确定模型后得到的数据，实际应用中，稳定度可以包括变异系数。

根据所述信息熵确定模型和所述稳定度确定模型，确定所述时间权重筛选模型。

本实施例中，通过根据信息熵确定模型和稳定度确定模型，确定时间权重筛选模型，能够获得准确的时间权重筛选模型，进而通过时间权重筛选模型筛选得到目标时间权重集合，提高资源数值变动数据的准确度。

在一些实施例中，所述方法还包括：

所述信息熵确定模型表示为：

其中，I(W)为所述信息熵，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

所述稳定度确定模型表示为：

其中，CV(W)为所述稳定度，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

所述时间权重筛选模型表示为：

A(W)＝αI(W)-βCV(W)

其中，A(W)为所述资源数值变动数据，α为所述信息熵对应的权重，β为所述稳定度对应的权重，且α+β＝1，I(W)为所述信息熵，CV(W)为所述稳定度。

作为一种示例，I(W)可以表示时间权重向量熵，CV(W)可以表示变异系数，候选时间权重集合为W＝(w₁，w₂，……，w_n)，为了提高目标时间权重集合应用于价格指数计算时的准确度，在通过时间权重筛选模型筛选目标时间权重集合时，需要保证熵最大和保证变异系数最小，引入信息熵权重α和稳定度权重β，α可用于保证时间信息的丰富性，表示信息熵的权重，β可用于保证时间信息的稳定性，表示变异系数的权重，且α+β＝1，一般地，可以取α＝β＝0.5，进而根据信息熵确定模型和稳定度确定模型构建时间权重筛选模型A(W)；其中，构建稳定度确定模型需要先构建时间权重方差模型和时间权重期望模型，时间权重方差模型可表示为：

时间权重期望模型可表示为：

进而，根据信息熵确定模型和稳定度确定模型构建时间权重筛选模型，构建过程可表示为：

本实施例中，通过确定具体的信息熵确定模型、稳定度确定模型和时间权重筛选模型，能够获得准确的时间权重筛选模型，进而通过时间权重筛选模型筛选得到目标时间权重集合，提高资源数值变动数据的准确度。

在一些实施例中，所述获取目标资源在目标时间周期内的至少一个候选时间权重集合，包括：

获取原始时间权重集合；

其中，原始时间权重集合可以是指进行资源数值分析时目标资源在特定时间周期中对应的时间权重组成的集合。

按照第一时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第一时间权重集合；

其中，第一时间权重约束条件可以是指表征原始时间权重集合与第一时间权重集合之间映射关系的约束条件，实际应用中，第一时间权重约束条件可以表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，D为时间度，用于衡量不同时间周期在所述目标资源周期中的重要程度。

其中，第一时间权重集合可以是指原始时间权重集合中满足第一时间权重约束条件的时间权重组成的集合。

按照第二时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第二时间权重集合；

其中，第二时间权重约束条件可以是指表征原始时间权重集合与第二时间权重集合之间映射关系的约束条件，实际应用中，第二时间权重约束条件可以表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

其中，第二时间权重集合可以是指原始时间权重集合中满足第二时间权重约束条件的时间权重组成的集合。

根据所述第一时间权重集合和所述第二时间权重集合间的交集，确定所述候选时间权重集合。

本实施例中，通过获取第一时间权重集合和第二时间权重集合间的交集，确定候选时间权重集合，能够利用第一时间权重集合和第二时间权重集合在原始时间权重集合中确定符合要求的时间权重集合，得到候选时间权重集合，进而提高确定目标时间权重集合的效率。

在一些实施例中，所述方法还包括：

所述第一时间权重约束条件表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，D为时间度，用于衡量不同时间周期在所述目标资源周期中的重要程度；

所述第二时间权重约束条件表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

作为一种示例，终端利用信息熵确定模型确定符合预设信息熵要求的第一时间权重集合，利用稳定度确定模型确定符合预设稳定度要求的第二时间权重集合，通过求解第一时间权重集合和第二时间权重集合的交集，确定目标时间权重集合，定义时间度D，用于衡量距离预设的评价时刻不同时间长度的时间周期在目标时间周期中的重要程度，例如：当候选时间权重集合为W＝(0，0，……，1)时，D＝0，当候选时间权重集合为W＝(1，0，……，0)D＝1，可以看出，D越接近1，说明价格指数更加看重近期的情况，D越接近0，说明价格指数更看重远期的情况。

本实施例中，通过确定具体的第一时间权重约束条件和第二时间权重约束条件，能够获得准确的候选时间权重集合，能够利用第一时间权重集合和第二时间权重集合在原始时间权重集合中确定符合要求的时间权重集合，得到候选时间权重集合，进而提高确定目标时间权重集合的效率。

在一些实施例中，所述根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据，包括：

获取所述目标资源对应的资源描述信息；所述资源描述信息包括所述目标资源对应的资源数值数据和资源数量数据；

其中，资源描述信息可以是指用于描述目标资源的属性的信息。

其中，资源数值信息可以是指描述目标资源数值的数据，实际应用中，资源数值信息可以包括商品价格。

其中，资源数量数据可以是指描述目标资源数量的数据，实际应用中，资源数量数据可以包括商品数量。

将所述资源描述信息和所述目标时间权重集合输入第一资源数值变动模型中，得到所述目标资源对应的第一资源数值变动数据；

其中，第一资源数值变动数据可以是指描述单一目标资源数值变动数据的数据，实际应用中，第一资源数值变动数据可以包括单一商品价格指数指标。

其中，第一资源数值变动模型可以是指用于计算目标资源的第一资源数值变动数据的模型，实际应用中，所述第一资源数值变动模型可以表示为：

其中，I_k为所述目标资源中第k种资源对应的第一资源数值变动数据，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，p_ik为所述目标资源中的第k种资源在第i个时间周期内的资源数值数据，q_ik为所述目标资源中的第k种资源在第i个时间周期内的资源数量数据，p_1k为所述目标资源中第k种资源在第1个时间周期内的资源数值数据。

作为一种示例，p_ik可以表示第i年第k种商品的价格，q_ik可以表示第i年第k种商品的数量，p_1k可以表示第1年第k种商品的价格，I_k可以表示第k种商品的价格指数，I_k表示的价格指数可以反映第k种商品的价格综合变化情况。

本实施例中，通过将资源描述信息和目标时间权重集合输入第一资源数值变动模型，得到目标资源对应的第一资源数值变动数据，能够利用资源描述信息和符合预设要求的目标时间权重集合得到准确的第一资源数值变动模型，进而提高资源数值变动数据的准确度。

在一些实施例中，所述根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据，还包括：

将所述目标时间权重集合输入第二资源数值变动模型中，得到所述目标资源对应的第二资源数值变动数据；

其中，第二资源数值变动数据可以是指描述综合目标资源数值变动数据的数据，实际应用中，第二资源数值变动数据可以包括商品综合价格指数指标。

其中，第二资源数值变动模型可以是指用于计算目标资源的第二资源数值变动数据的模型，实际应用中，所述第二资源数值变动模型可以表示为：

其中，I_com为所述目标资源对应的第二资源数值变动数据，S为所述目标资源包含的资源种类的数量，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，p_ik为所述目标资源中第k种资源在第i个时间周期内的资源数值数据，q_(i-1)k为所述目标资源中第k种资源在第i-1个时间周期内的资源数量数据，p_(i-1)k为所述目标资源中第k种资源在第i-1个时间周期内的资源数值数据，p_0k＝p_1k且q_0k＝q_1k。

作为一种示例，采用累计的思想计算所有商品的综合价格指数，I_com可以表示综合价格指数，S可以表示商品的种类的数量，p_ik可以表示第i年第k种商品的价格，q_(i-1)k可以表示第i-1年第k种商品的数量，p_(i-1)k可以表示第i-1年第k种商品的价格，特别地，令p_0k＝p_1k且q_0k＝q_1k。

本实施例中，通过将资源描述信息和目标时间权重集合输入第二资源数值变动模型，得到目标资源对应的第二资源数值变动数据，能够利用资源描述信息和符合预设要求的目标时间权重集合得到准确的第二资源数值变动模型，进而提高资源数值变动数据的准确度。

在另一个实施例中，如图3所示，提供了一种考虑非线性时间常数的资源数值变动数据生成方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：

步骤S302，获取原始时间权重集合。

步骤S304，按照第一时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第一时间权重集合。

步骤S306，按照第二时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第二时间权重集合。

步骤S308，根据所述第一时间权重集合和所述第二时间权重集合间的交集，确定所述候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度。

步骤S310，获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系。

步骤S312，在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合。

步骤S314，根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。

需要说明的是，上述步骤的具体限定可以参见上文对一种考虑非线性时间常数的资源数值变动数据生成方法的具体限定，在此不再赘述。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的考虑非线性时间常数的资源数值变动数据生成方法的考虑非线性时间常数的资源数值变动数据生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个考虑非线性时间常数的资源数值变动数据生成装置实施例中的具体限定可以参见上文中对于考虑非线性时间常数的资源数值变动数据生成方法的限定，在此不再赘述。

在一些实施例中，如图4所示，提供了一种考虑非线性时间常数的资源数值变动数据生成装置，包括：获取模块402、确定模块404、筛选模块406和生成模块408，其中：

获取模块402，用于获取目标资源在目标时间周期内的至少一个候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度；

确定模块404，用于获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系；

筛选模块406，用于在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合；

生成模块408，用于根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。

在其中一个实施例中，上述确定模块404具体用于获取信息熵确定模型，所述信息熵确定模型用于表征所述候选时间权重集合与信息熵间的映射关系；获取稳定度确定模型，所述稳定度确定模型用于表征所述候选时间权重集合与稳定度间的映射关系；根据所述信息熵确定模型和所述稳定度确定模型，确定所述时间权重筛选模型。

在其中一个实施例中，上述确定模块404具体还用于将所述信息熵确定模型表示为：

其中，I(W)为所述信息熵，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重；将所述稳定度确定模型表示为：

其中，CV(W)为所述稳定度，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重；将所述时间权重评价模型表示为：

A(W)＝αI(W)-βCV(W)

其中，A(W)为所述资源数值变动数据，α为所述信息熵对应的权重，β为所述稳定度对应的权重，且α+β＝1，I(W)为所述信息熵，CV(W)为所述稳定度。

在其中一个实施例中，上述获取模块402具体用于获取原始时间权重集合；按照第一时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第一时间权重集合；按照第二时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第二时间权重集合；根据所述第一时间权重集合和所述第二时间权重集合间的交集，确定所述候选时间权重集合。

在其中一个实施例中，上述获取模块402具体还用于将所述第一时间权重约束条件表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，D为时间度，用于衡量不同时间周期在所述目标资源周期中的重要程度；将所述第二时间权重约束条件表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

在其中一个实施例中，上述生成模块408具体用于获取所述目标资源对应的资源描述信息；所述资源描述信息包括所述目标资源对应的资源数值数据和资源数量数据；将所述资源描述信息和所述目标时间权重集合输入第一资源数值变动模型中，得到所述目标资源对应的第一资源数值变动数据；其中，所述第一资源数值变动模型表示为：

其中，I_k为所述目标资源中第k种资源对应的第一资源数值变动数据，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，p_ik为所述目标资源中的第k种资源在第i个时间周期内的资源数值数据，q_ik为所述目标资源中的第k种资源在第i个时间周期内的资源数量数据，p_1k为所述目标资源中第k种资源在第1个时间周期内的资源数值数据。

在其中一个实施例中，上述生成模块408具体还用于将所述目标时间权重集合输入第二资源数值变动模型中，得到所述目标资源对应的第二资源数值变动数据；其中，所述第二资源数值变动模型表示为：

其中，I_com为所述目标资源对应的第二资源数值变动数据，S为所述目标资源包含的资源种类的数量，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，p_ik为所述目标资源中第k种资源在第i个时间周期内的资源数值数据，q_(i-1)k为所述目标资源中第k种资源在第i-1个时间周期内的资源数量数据，p_(i-1)k为所述目标资源中第k种资源在第i-1个时间周期内的资源数值数据，p_0k＝p_1k且q_0k＝q_1k。

上述考虑非线性时间常数的资源数值变动数据生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种考虑非线性时间常数的资源数值变动数据生成方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种考虑非线性时间常数的资源数值变动数据生成方法的步骤。此处一种考虑非线性时间常数的资源数值变动数据生成方法的步骤可以是上述各个实施例的一种考虑非线性时间常数的资源数值变动数据生成方法中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种考虑非线性时间常数的资源数值变动数据生成方法的步骤。此处一种考虑非线性时间常数的资源数值变动数据生成方法的步骤可以是上述各个实施例的一种考虑非线性时间常数的资源数值变动数据生成方法中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时，使得处理器执行上述一种考虑非线性时间常数的资源数值变动数据生成方法的步骤。此处一种考虑非线性时间常数的资源数值变动数据生成方法的步骤可以是上述各个实施例的一种考虑非线性时间常数的资源数值变动数据生成方法中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种考虑非线性时间常数的资源数值变动数据生成方法，其特征在于，所述方法包括：

获取目标资源在目标时间周期内的至少一个候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度；

获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系；

在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合；

根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。

2.根据权利要求1所述的方法，其特征在于，所述获取时间权重筛选模型，包括：

获取信息熵确定模型；所述信息熵确定模型用于表征所述候选时间权重集合与信息熵间的映射关系；

获取稳定度确定模型；所述稳定度确定模型用于表征所述候选时间权重集合与稳定度间的映射关系；

根据所述信息熵确定模型和所述稳定度确定模型，确定所述时间权重筛选模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

所述信息熵确定模型表示为：

其中，I(W)为所述信息熵，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重；

所述稳定度确定模型表示为：

其中，CV(W)为所述稳定度，W为所述候选时间权重集合，W＝(w₁，w₂，……，w_n)，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重；

所述时间权重筛选模型表示为：

A(W)＝αI(W)-βCV(W)

其中，A(W)为所述资源数值变动数据，α为所述信息熵对应的权重，β为所述稳定度对应的权重，且α+β＝1，I(W)为所述信息熵，CV(W)为所述稳定度。

4.根据权利要求1所述的方法，其特征在于，所述获取目标资源在目标时间周期内的至少一个候选时间权重集合，包括：

获取原始时间权重集合；

按照第一时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第一时间权重集合；

按照第二时间权重约束条件，对所述原始时间权重集合进行筛选，得到所述目标资源在所述目标时间周期内的第二时间权重集合；

根据所述第一时间权重集合和所述第二时间权重集合间的交集，确定所述候选时间权重集合。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

所述第一时间权重约束条件表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，D为时间度，用于衡量不同时间周期在所述目标资源周期中的重要程度；

所述第二时间权重约束条件表示为：

其中，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据，包括：

获取所述目标资源对应的资源描述信息；所述资源描述信息包括所述目标资源对应的资源数值数据和资源数量数据；

将所述资源描述信息和所述目标时间权重集合输入第一资源数值变动模型中，得到所述目标资源对应的第一资源数值变动数据；

其中，所述第一资源数值变动模型表示为：

其中，I_k为所述目标资源中第k种资源对应的第一资源数值变动数据，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，p_ik为所述目标资源中的第k种资源在第i个时间周期内的资源数值数据，q_ik为所述目标资源中的第k种资源在第i个时间周期内的资源数量数据，p_1k为所述目标资源中第k种资源在第1个时间周期内的资源数值数据。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据，还包括：

将所述目标时间权重集合输入第二资源数值变动模型中，得到所述目标资源对应的第二资源数值变动数据；

其中，所述第二资源数值变动模型表示为：

其中，I_com为所述目标资源对应的第二资源数值变动数据，S为所述目标资源包含的资源种类的数量，w_i为所述目标资源对应的所述候选时间权重集合中第i个时间周期对应的时间权重，p_ik为所述目标资源中第k种资源在第i个时间周期内的资源数值数据，q_(i-1)k为所述目标资源中第k种资源在第i-1个时间周期内的资源数量数据，p_(i-1)k为所述目标资源中第k种资源在第i-1个时间周期内的资源数值数据，p_0k＝p_1k且q_0k＝q_1k。

8.一种考虑非线性时间常数的资源数值变动数据生成装置，其特征在于，所述装置包括：

获取模块，用于获取目标资源在目标时间周期内的至少一个候选时间权重集合；所述候选时间权重集合中包括至少一个时间权重；所述时间权重用于表征与该时间权重对应的时间周期在所述目标时间周期中的重要程度；

确定模块，用于获取时间权重筛选模型；所述时间权重筛选模型用于表征各所述候选时间权重集合与时间权重筛选信息间的映射关系；

筛选模块，用于在各所述候选时间权重集合中筛选出目标时间权重集合；其中，通过所述时间权重筛选模型确定所述目标时间权重集合对应的时间权重筛选信息大于通过所述时间权重筛选模型确定其他时间权重集合对应的时间权重筛选信息；所述其他时间权重集合为各所述候选时间权重集合中除所述目标时间权重集合以外的候选时间权重集合；

生成模块，用于根据所述目标时间权重集合，生成所述目标资源对应的资源数值变动数据；所述资源数值变动数据用于描述所述目标资源的资源数值变动情况。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

Images