基于可变边界支持向量机的重要信息获取方法

摘要

本发明公开了一种基于可变边界支持向量机的重要信息获取方法，主要克服现有技术中忽视对式样本重要度差异性信息的不足。其实施步骤为：针对待评价信息对象，通过smart搜索引擎，搜集需求信息，并将这些信息进行预处理，得到原始训练集；在原始训练集上，构造新的训练集，引入可变边界因子，这个因子为原始训练集中两两样本的样本标识之差的绝对值；输入新训练集，将这个因子作为支持向量机每个约束中的边界，对信息评价模型进行训练，得到信息评价函数；输入待评价信息的样本特征矢量，根据这些特征矢量的函数值大小，就可以获得重要信息。本发明具有获取重要信息的平均准确率高的优点，可用于信息重要度评级，产品质量评价。

主权项

1.一种基于可变边界支撑向量机的重要信息获取方法，包括：搜集需求信息步骤；针对待评价信息对象，通过smart搜索引擎，按照查询需求，将需收集的信息提取成一个文本集合；信息预处理步骤：利用文本集合的词频和逆向文件频率的t维原始特征t＞44，对文本集合进行特征提取，将这些提取的特征转换为45维数值特征向量，对这些特征向量进行降维，得到样本集(x_i，y_i)，i＝1.......n，x₁，…x_n是二维样本特征矢量，y_i为样本重要度标识，n为样本数；信息评价模型的训练步骤：将上步得到的样本集中的r个样本作为原始训练集r＜n，在原始训练集((x₁，y₁)，…，(x_r，y_r))中，由任意两个二维样本特征矢量形成对式样本若第一样本特征矢量的重要度标识大于第二样本特征矢量的重要度标识，则将对式样本标识为z_i＝1，反之z_i＝-1，构造出新的训练集：i＝1，2，…m，m＝O(n²)，m为新训练集样本数，为可变边界因子，体现了对式样本信息重要度的差异；利用如下可变边界的支持向量机信息评价方法，对新的训练集进行训练，得到信息评价函数f(x)＝w·x，w为训练得到的权值参数，x为输入的二维样本特征矢量：首先，输入训练样本集i＝1，2，…m；然后，根据支持向量机理论，通过下式计算输入训练集的权值参数w：$w=\underset{i=1}{\overset{m}{\Sigma }}{d}_i{z}_i{\alpha }_i(x_i^{\left(1\right)}-x_i^{\left(2\right)}),$式中，z_i为第i个样本的标识，d_i为可变边界因子，α_i为未知的拉格朗日因子，0≤α_i≤C，该拉格朗日因子通过如下二次规划公式求解：$\underset{i=1}{\overset{m}{\Sigma }}{d}_i{\alpha }_i-\frac{1}{2}\underset{i=1}{\overset{m}{\Sigma }}\underset{j=1}{\overset{m}{\Sigma }}{\alpha }_i{\alpha }_j{z}_i{z}_j<x_i^{\left(1\right)}-x_i^{\left(2\right)},x_j^{\left(1\right)}-x_j^{\left(2\right)}>$为第i个对式样本的第一样本特征矢量，为第i个对式样本的第二样本特征矢量，为第j个对式样本的第一样本特征矢量，为第j个对式样本的第二样本特征矢量，z_j为第j个样本的标识；重要信息的获取步骤：在信息评价函数f(x)＝w·x中输入待评价信息的样本特征矢量，按照这些特征矢量的函数值大小，进行降序排列，将排在前面的样本，作为要获取的重要信息。