基于条件表格GAN的CTG-KrEW：通过K-Means聚类和有效词嵌入生成结构化情境相关内容
机器学习
2024-09-04 v1 计算与语言
摘要
条件表格生成对抗网络（CTGAN）及其各种衍生模型因能够高效灵活地创建合成表格数据而备受青睐，表现出强大的性能和适应性。然而，这些模型存在若干关键局限性。首先，它们无法保持情境相关单词或短语的语义完整性。例如，自由职业者轮廓中的技能集就是一种这样的属性，其中 individual skills 在语义上相互关联，并指示特定的领域兴趣或资格。其次，传统方法在应用于生成情境相关表格内容时，除了生成语义浅表内容外，还会在训练阶段消耗大量内存资源和CPU时间。为此，我们引入了一种新框架CTGKrEW（基于K-Means聚类的条件表格GAN与词嵌入），该框架擅长生成其中属性为语义和情境连贯单词构成的真实逼真的合成表格数据。我们使用来自Upwork的真实数据集对CTGKrEW进行训练和评估。进行了全面的实验，以分析生成数据的变异性、情境相似性、频率分布和关联性，同时测试了该框架的系统可行性。CTGKrEW还比传统方法节省约99%的CPU时间和33%的内存占用。此外，我们开发了KrEW，一款用于生成包含技能相关信息的真实逼真数据的网页应用程序。该应用已公开发布于https://riyasamanta.github.io/krew.html，供公众和研究社区免费使用。
引用
@article{arxiv.2409.01628,
title = {CTG-KrEW: Generating Synthetic Structured Contextually Correlated Content by Conditional Tabular GAN with K-Means Clustering and Efficient Word Embedding},
author = {Riya Samanta and Bidyut Saha and Soumya K. Ghosh and Sajal K. Das},
journal= {arXiv preprint arXiv:2409.01628},
year = {2024}
}