面向时间序列数据生成的扩展表格去噪扩散概率模型

扩散模型正日益被用于创建用于隐私保护增强的合成表格和时间序列数据。表格去噪扩散概率模型（TabDDPM）从异构表格数据集生成高质量合成数据，但假设样本之间相互独立，这限制了其在时间序列领域的适用性——在该领域中，时间依赖性至关重要。为此，我们提出了TabDDPM的时间序列扩展，引入通过轻量级时序适配器和上下文感知嵌入模块实现序列感知。通过将传感器数据重构为分段序列并通过时间步嵌入、条件活动标签和观察/缺失掩码显式建模时序上下文，我们的做法能够生成具有时序一致性的合成序列。与基线和插值技术相比，使用bigram转移矩阵和自相关分析验证表明，我们的方法在时序真实性、多样性和一致性方面实现了显著提升。在WISDM加速度计数据集上，所提出的系统生成的合成时间序列与真实世界传感器模式高度吻合，并实现了相当于基线方法的分类性能（宏F1分数0.64，准确率0.71）。这在少数类表示和保持与真实分布统计分布一致方面尤为有益。这些发展表明，扩散模型在配备时序推理能力后，为顺序数据合成提供了有效且可适应的解决方案。未来工作将探索对更长序列的扩展，并集成更强的时序架构。