通过结构因果模型生成合成关系表格数据-计算机科学-表格数据基础模型-机器学习.pdfVIP

通过结构因果模型生成合成关系表格数据-计算机科学-表格数据基础模型-机器学习.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

通过结构因果模型生成合成关系表格数据

FrederikHoppeandAstridFranzandLarsKleinemeierandUdoGöbel

CONTACTSoftwareGmbH,WienerStr.1-3,28359Bremen,Germany

frederik.hoppe@

摘要训练和基准测试。为了系统地建模表内相关性

和表间关系,我们的方法从真实世界的数据集

合成表格数据生成近年来受到了越来越

中独立构建数据,克服了访问限制。我们的方

本多的关注,特别是随着表格数据基础模型法受到了TabPFN(Hollmannetal.,2025)的基于

译的出现。TabPFN(Hollmannetal.,2025)的SCM的方法的启发。然而,我们在原始SCM

中突破性成功,利用了大量由结构因果模型框架中引入了关键变化,并将其扩展为生成通

(SCMs)衍生出的合成表格数据集,展示

1了合成数据在开发强大的表格基础模型中过共享键列连接的多个表。基于这些扩展,我

v

8所起的关键作用。然而,大多数现实世界们提供了一个自动化的框架,用于创建包含单

2

5中的表格数据以关系格式存在于多个相互个表中的统计特性和它们之间结构关系的合成

3关联的表格中——当前生成方法尚未充分

0关系数据集。这一贡献使能够创建现实的关系

.解决这种结构。在这项工作中,我们通过

7表格数据,可用于开发捕捉表间关系的模型。

0开发一种新型框架扩展了SCM的方法,该

5框架能够生成包含表间因果关系的真实合

22相关工作

:成关系表格数据。我们的实验确认,该框

v

i架能够构建具有复杂表间依赖关系的关系合成表格数据生成已经显著发展,以解决

x

r型数据集,模拟现实世界的情景。诸如数据稀缺和隐私问题等挑战。早期的工作

a

(Patkietal.,2016)提出了合成数据金库的概念,

1介绍

通过递归条件参数聚合来构建关系数据库的生

合成数据生成技术的发展随着基础模型的成模型。这是第一个用于生成关系数据的学习

出现取得了显著进展,特别是在图像和文本等方法。最近,(Hudovernik,2024)提出了一种结

领域。然而,生成现实的表格数据——特别是合图神经网络嵌入与扩散模型的方法,利用由

具有正确链接条目的关系表格数据——仍然是外键约束产生的关系数据的图形表示。该方法

机器学习研究中一个较少探索的挑战。尽管大捕捉了多个链接表中的拓扑结构和统计属性。

型语言模型和扩散模型已经在各种领域的合成这些方法需要一个(现实世界)的数据集作为

数据生成方面带来了革命性的变化,结构化的基础,以提取统计和关系模式,然后使用这些

表格数据由于其在实际应用中的普遍存在却相模式生成具有相

文档评论(0)

zikele + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档