DEREC-SIMPRO：解锁语言模型优势，推动数据干净室中的合成
数据库
2024-11-05 v1 机器学习
摘要
数据干净室通过数据协作提供价值，但引发隐私担忧，这可以通过合成数据和多表合成器来解决。常见的多表合成器在主体在两个表中重复出现的情形下性能不佳。这是一个迫在眉睫且尚未解决的问题，因为这种情况在实际中十分常见。为提高此情形下的性能，本文提出了DEREC三步骤预处理管道以增强多表合成器的适应性。我们还引入SIMPRO三维评估指标，利用条件分布和大规模同时假设检验，为合成数据在列和表水平的保真度提供全面反馈。结果表明，DEREC可提升保真度，多表合成器在协作环境中超越单表合成器。综上，DEREC-SIMPRO管道为数据协作的普适化提供了稳健解决方案，推动更高效、数据驱动的社会发展。
引用
@article{arxiv.2411.00879,
title = {DEREC-SIMPRO: unlock Language Model benefits to advance Synthesis in Data Clean Room},
author = {Tung Sum Thomas Kwok and Chi-hua Wang and Guang Cheng},
journal= {arXiv preprint arXiv:2411.00879},
year = {2024}
}