STaSy：基于分数的表格数据合成

表格数据合成是机器学习中一个长期的研究课题。过去几十年中提出了许多不同方法，从统计方法到深度生成方法。然而，由于真实世界表格数据的复杂性，该任务并非总获成功。本文中，我们提出一种名为基于分数的表格数据合成（Score-based Tabular data Synthesis, STaSy）的新模型及其基于分数生成建模范式的训练策略。尽管分数生成模型已解决生成模型中的诸多问题，表格数据合成仍有改进空间。我们提出的训练策略包含自步学习技术与微调策略，通过稳定去噪分数匹配训练进一步提升采样质量与多样性。此外，我们还就生成任务三难问题——采样质量、多样性与时间——进行了严谨的实验研究。在 15 个基准表格数据集与 7 个基线的实验中，我们的方法在任务依赖评估与多样性方面优于现有方法。代码见 https://github.com/JayoungKim408/STaSy。