1.一种基于局部搜索的去偏方法，其特征在于，所述方法包括以下步骤：

(1)获取原始数据，并对所述原始数据中的类别属性进行标记，得到标记后的数据集，记作数据集X；

(2)在步骤(1)选取的数据集X中进行基于局部搜索的聚类分析，使用P表示聚类的点集，对于大小为n的点集P中的点x，令r(x)为半径，使得以x为中心的半径为r(x)的球内至少具有来自P的n/k个点；使得数据集X中的不同簇群的样本点尽可能相异，即类内距离尽可能小，类间距离尽可能大；每个簇群的敏感属性的分布要尽可能均匀，以提高数据集X的公平性，完成基于局部搜索的去偏。

2.根据权利要求1所述的一种基于局部搜索的偏方法，其特征在于，所述原始数据为带有敏感属性的文本数据集。

3.根据权利要求1所述的基于局部搜索的去偏方法，其特征在于，所述步骤(2)具体包括以下子步骤：(2.1)在步骤(1)选取的数据集X中找到一组关于临界球B的k个可行的中心：使用P表示聚类的点集，参数k表示允许聚类的中心数；对于每个x∈P，将B(x,r)＝{y∈P:d(x,y)≤r}表示为一个半径为r，围绕x的球中包含的点集；将每个聚类中心数k所对应的最小半径记为一个c，也即c＝argminx∈Zrk(x)，遍历每一个c，将样本划入相应的中心簇： 寻找d(x,c)中大于6α·rk(x)的点，其中，α为高斯混合系数；

(2.2)构造初始中心集S'：令 选取在点集P中但是不在初始中心集S'中的点，并且将这些点里面到中心距离最大的点记为集合z，即z＝argmaxx∈P\S′d(x,S′)，再将初始中心集S'与集合z求并集，更新得到可行中心集S'，也即S'＝S'∪{z}；

(2.3)对步骤(2.2)得到的可行中心集S'依据聚类成本进行筛选。

4.根据权利要求3所述的一种基于局部搜索的偏方法，其特征在于，所述步骤(2.3)中聚类成本通过成本函数计算，计算公式如下：(i)

式中， 是x 所属的聚类的中心点，n是点集的大小。

5.根据权利要求3或4所述的一种基于局部搜索的偏方法，其特征在于，所述步骤(2.3)具体为：对步骤(2.2)得到的可行中心集S'进行本地搜索更新：将当前中心Sj中的t′≤t个中心替换为Sj之外的t′个中心集，结果记录在一组关于临界球B的可行中心集S'中；如果存在这样的可行中心集合S'，使得其聚类成本比以Sj为中心的聚类成本提高了1/(1‑ε)以上的因子，即cost(S')≤(1‑ε)·cost(Sj)；那么令Sj+1＝S′并继续下一次迭代；如果不存在，那么就停止该迭代并输出当前的中心集Sj。

6.根据权利要求3所述的一种基于局部搜索的偏方法，其特征在于，所述步骤(2.1)中聚类中心数k的取值范围是k∈[5,30]。

7.一种电子设备，包括存储器和处理器，其特征在于，所述存储器与所述处理器耦接；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述权利要求1‑6任一项所述的基于局部搜索的偏方法方法。

8.一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，所述程序被处理器执行时实现如权利要求1‑6中任一所述的基于局部搜索的偏方法方法。