4、探索性数据挖掘中的主观趣味性研究

探索性数据挖掘中的主观趣味性研究

在探索性数据挖掘（EDM）领域，“趣味性”和“趣味性度量（IM）”这两个术语至今仍被广泛使用，尤其是在频繁模式挖掘中，包括频繁项集和关联规则挖掘等方面。不过，在不同的名称和形式下，如“目标函数”“质量函数”“得分函数”或“效用函数”，趣味性的概念始终是所有EDM原型的核心，涵盖聚类、降维、网络社区检测、子群发现、多关系数据库中的局部模式挖掘等多个方面。

趣味性的不同类型

早期Friedman和Tukey的工作基于对人类用户的实际实验，研究他们如何手动探索不同的数据投影。Huber在一篇开创性的论文中明确指出：“对于什么构成‘有趣’的投影，我们不能期望达成普遍共识”。

令人惊讶的是，尽管早期研究关注用户，但如今绝大多数研究都试图以“客观”的方式量化趣味性，而忽略了用户之间的差异。对于特定的EDM任务，如聚类，人们会尝试提出一个关于聚类模式的数学函数（即IM），来量化聚类的优劣。这导致针对每个常见的EDM任务，可能的IM数量激增。

直到Tuzhilin、Silberschatz、Padmanabhan及其同事提出了“主观IM”这一术语。他们的研究主要集中在关联规则挖掘上，将规则的主观趣味性形式化为“意外性”或“新颖性”的量化。他们的方法依赖于“信念系统”的概念，通过将关联规则与数据挖掘者的信念进行对比来确定其趣味性。然而，这种方法具有一定的临时性，且仅适用于关联规则和相关模式，限制了其影响力。

近年来，一些研究小组强调了评估或验证EDM模式的必要性。通常，这是通过将发现的模式与代表“随机数据”的“背景模型”进行比较来实现的。任何可以由该模型解释的模式都可能被视为偶然出现而被排除。这种方法可以被视为与主观趣味性的