面向概率关系模型的隐私保护关系数据合成

概率关系模型提供了一种将一阶逻辑与概率模型结合的成熟形式化方法，从而允许表示关系域中对象之间的关系。同时，人工智能领域需要日益增长的关系训练数据来完成各种机器学习任务。然而，收集真实数据往往面临隐私 concerns、数据保护法规、高成本等挑战。为缓解这些挑战，合成数据生成是一个有前景的做法。本文解决了通过概率关系模型生成合成关系数据的难题。具体而言，我们提出了一条完整的管道，从关系数据库出发，构建概率关系模型，然后用于从其底层概率分布中抽样生成新的合成关系数据点。作为我们提议的管道的一部分，我们引入了一种学习算法，从给定的关系数据库中构建概率关系模型。