特异群组挖掘的基本概念解析

挖掘高价值、低密度的数据对象是大数据的一项重要工作，甚至高价值、低密度常常被用于描述大数据的特征［2］。存在这样一类数据挖掘需求：将大数据集中的少部分具有相似性的对象划分到若干个组中，而大部分数据对象不在任何组中，也不和其他对象相似（图7-1）。将这样的群组称为特异群组，实现这一挖掘需求的数据挖掘任务被称为特异群组挖掘，由朱扬勇和熊贇于2009年首次提出［3］。文献［3］中，特异群组英文使用peculiarity groups，意指这些群组具有特殊性、异常性；而后，文献［4］强调这些群组中的对象具有强相似性、紧黏合性（即cohesive），因此，将特异群组挖掘问题的英文进一步深化，表达为cohesive anomaly mining，意指挖掘的特异群组不仅具有特殊性、异常性，且群组对象是强相似、紧黏合。并且，将这些对象形成的群组的英文改用abnormal groups［4］

(www.xing528.com)

图7-1　大数据集里的特异群组

大数据特异群组挖掘具有广泛应用背景，在证券交易、智能交通、社会保险、生物医疗、银行金融和网络社区等领域都有应用需求，对发挥大数据在诸多领域的应用价值具有重要意义。例如，在证券市场中，特异群组常常表现为合谋操纵（多账户联合操纵）、基金“老鼠仓”等。这些账户以获取不正当利益为目的，集中资金优势或利用信息优势，操纵交易量、交易价格，扰乱市场秩序。其中，合谋操纵的行为模式主要是集中资金优势、持股优势进行市场操纵，通过使用多个账户进行分工交易、分仓持有来合谋操纵市场价格和成交量，以诱导其他投资者；基金“老鼠仓”的行为模式是通过获悉基金即将或正在交易某投资标的，且该笔交易大幅影响投资标的价格的交易信息，以相近时刻、相同买卖方向用个人私有资产同步交易该投资标的，以获取收益。