CTSyn: 跨表格数据生成的基础模型
机器学习
2025-11-27 v2 机器学习
摘要
生成式基础模型在生成图像和文本的高质量合成数据方面取得了显著成功。然而，由于表格特征的异质性，它们在表格数据上的应用面临重大挑战。当前的跨表学习框架因缺乏生成模型骨干和有效的异质特征值解码机制而难以奏效。为解决这些问题，我们提出了跨表合成器（CTSyn），一种基于扩散的生成式基础模型，用于表格数据生成。CTSyn包含两个关键组件。第一个是自编码器网络，将多样化的表格统一到潜在空间中。它利用表格模式嵌入动态重建表格值，从而适应异质数据集。第二个是条件潜在扩散模型，从学习到的潜在空间中生成样本，并以表格模式为条件。通过大规模预训练，CTSyn在标准基准测试中在实用性和多样性方面均优于现有表格合成器。这些结果使CTSyn成为合成表格生成的有前景框架，并为开发大规模表格基础模型奠定了基础。
引用
@article{arxiv.2406.04619,
title = {CTSyn: A Foundation Model for Cross Tabular Data Generation},
author = {Xiaofeng Lin and Chenheng Xu and Matthew Yang and Guang Cheng},
journal= {arXiv preprint arXiv:2406.04619},
year = {2025}
}