GReaTER：数据增强与压缩后的真实表格数据生成
机器学习
2025-03-21 v1
摘要
表格数据合成不仅涉及多表格合成，还涉及生成多模态数据（如字符串和类别），从而实现多样化知识合成。然而，将数值和类别数据分离限制了表格数据生成的有效性。GReaT（Generate Realistic Tabular Data）框架使用大语言模型（LLM）对整行进行编码，无需对数据类型进行分区。尽管如此，该框架的性能受到两个限制：（1）表格数据条目缺乏足够的语义意义，限制了 LLM 利用预训练知识进行情境学习的能力；（2）复杂的多表格数据集难以建立有效的关系以实现协同。为解决这些问题，我们提出 GReaTER（Generate Realistic Tabular Data after data Enhancement and Reduction），包括：（1）数据语义增强系统通过映射提升 LLM 对表格数据的理解，实现更好的情境学习；（2）跨表格连接方法以高效建立复杂表格之间的关系。实验结果表明，GReaTER 优于 GReaT 框架。
引用
@article{arxiv.2503.15564,
title = {GReaTER: Generate Realistic Tabular data after data Enhancement and Reduction},
author = {Tung Sum Thomas Kwok and Chi-Hua Wang and Guang Cheng},
journal= {arXiv preprint arXiv:2503.15564},
year = {2025}
}
备注
Accepted by Data Engineering Meets Large Language Models: Challenges and Opportunities Workshop@ICDE2025 Workshop at ICDE 2025