[发明专利]一种基于直接优化PAUC算法的新闻信息分类方法

说明书

本发明公开了一种基于直接优化PAUC算法的新闻信息分类方法，其特征是按如下步骤进行：1、采集新闻信息的数据集，并将数据集S按照样本的类别划分为相关新闻信息集合S₊与非相关新闻信息集合S_‑；2、从所述相关信息集合S₊和不相关信息集合S_‑选取新闻信息特征x_T；3、通过新闻信息特征x_T得到第T次迭代的自适应梯度4、利用自适应梯度更新预测模型w_T。本发明能高效的在海量的新闻信息中筛选出符合用户喜好的新闻，提高了用户对新闻信息的搜索效率，提升了用户体验。

技术领域

本发明涉及统计学习分类技术领域，更具体地说是一种基于随机梯度下降法的直接优化PAUC的新闻主题分类方法。

背景技术

当今社会急速发展，科技日新月异，人们每时每刻的生活都被大量的数据所环绕，毫无疑问，这是社会进步的象征。网上浏览新闻作为一种喜闻乐见的放松方式，不仅能够增长人们的见识，同时能够加深人们对事物的认知。但若无法在海量的新闻信息中甄别出对用户关注的信息，那么数量如此庞大的信息必定会严重影响我们的工作以及学习效率。

在海量的新闻信息中，用户感兴趣的信息少之又少，因此如何提取其中用户关注的信息显得极为重要。对于此类在众多的数据中提取少量有效信息的案例，正是使用了机器学习中对于不平衡数据集的分类算法。而PAUC(partial area under curve)评估标准，能很好的度量不平衡二分类算法的整体性能，因此在机器学习中受到广泛关注。基于此，本发明提出了基于直接优化PAUC算法的新闻信息分类方法

PAUC的概念最早在医疗领域提出，并迅速被众多学者所认可，此后在生物信息方面得到了广泛使用。PAUC在科学研究中具有十分深刻的意义，值得人们在学习生活中不断地使用和推广。目前针对PAUC的分类问题，主要有两种经典的处理方案：批学习求解和随机学习求解。其中，批学习求解中最为高效的案例是：2013年，HarikrishnaNarasimhan将PAUC从生物信息领域拓展到更广泛的应用空间，提出一种“通用”的直接优化PAUC的算法。在此基础上，2014年，Purushottam Kar首次提出了基于Mini-batch的随机PAUC优化算法，为保证较快的运行时间，训练过程中只使用了部分正样本。但此前的算法效果在处理大规模数据集时，都存在“耗时长”的弊端，不能满足当前“数据爆炸”的趋势。

发明内容

本发明为克服现有技术存在的不足之处，提出一种基于直接优化PAUC算法的新闻信息分类方法，以期能在大规模新闻信息数据中迅速筛选出用户感兴趣的新闻信息，从而提高分类精度。

为了达到上述目的，本发明所采用的技术方案为：

本发明一种基于直接优化PAUC算法的新闻信息分类方法特点是按如下步骤进行：

步骤1、采集新闻信息，记为x_i表示第i个新闻信息，x_i∈R^d；R^d表示实数的d维空间，d表示新闻信息包含的主题词个数；y_i表示新闻信息的相关性，且y_i∈{+1,-1}；当y_i＝+1时，表示第i个新闻信息x_i为用户感兴趣信息，当y_i＝-1时，表示第i个新闻信息x_i非用户感兴趣信息；1≤i≤n；

将所有用户感兴趣信息作为相关信息集合S₊＝{(x^₊,+1)}；且表示第i个相关信息，1≤i≤n^₊，其余信息作为不相关信息集合S_-＝{(x^-,-1)}，且表示第j个不相关信息；1≤j≤n^-，n⁺+n^-＝n；