ClavaDDPM：基于聚类引导的多关系数据合成扩散模型
人工智能
2024-11-15 v2
摘要
最近的表格数据合成研究聚焦于单个表格，而现实应用往往涉及包含数十或数百个相互关联表格的复杂数据。先前的多关系 (多表格) 数据合成方法在两个关键方面不足：无法实现大规模数据的可扩展性，以及无法捕捉跨不同表格的属性之间的长程依赖关系（如属性之间的相关性）。灵感来源于扩散模型在表格数据建模中的成功，本文引入了 Cluster Latent Variable guided Denoising Diffusion Probabilistic Models (ClavaDDPM)。这种新方法利用聚类标签作为中介来建模表格之间的关系，特别关注外键约束。ClavaDDPM 利用扩散模型的稳健生成能力，同时包含高效算法将所学的潜在变量在表格之间传播。这使得 ClavaDDPM 能够有效捕捉长程依赖关系。在规模不同的数据集上进行的广泛评估表明，ClavaDDPM 在处理这些长程依赖关系方面显著优于现有方法，同时在单表数据上的实用性指标方面保持竞争力。
引用
@article{arxiv.2405.17724,
title = {ClavaDDPM: Multi-relational Data Synthesis with Cluster-guided Diffusion Models},
author = {Wei Pang and Masoumeh Shafieinejad and Lucy Liu and Stephanie Hazlewood and Xi He},
journal= {arXiv preprint arXiv:2405.17724},
year = {2024}
}