Synthesizing Tabular Data Using Selectivity Enhanced Generative Adversarial Networks

作者: Youran Zhou, Jianzhong Qi

发布时间: 2025-03-03

来源: arxiv

研究方向: 数据合成与隐私保护

主要内容

该研究针对电子商务平台在处理大量交易数据时面临的挑战，提出了一种基于生成对抗网络（GAN）的表格数据合成方法，以解决数据短缺、隐私保护和机器学习实用性问题。该方法通过引入查询选择性约束，提高了合成数据的真实性和准确性。

1. 设计了一种新的表格生成GAN模型，通过添加预训练的深度神经网络组件来建模查询选择性约束。

2. 实现了基于选择性约束的表格数据生成，提高了选择性估计的准确性。

3. 在五个真实数据集上进行了实验，结果表明所生成的合成数据与真实数据相似，提高了选择性估计的准确性，并提升了机器学习实用性。

1. 生成对抗网络（GAN）

2. 预训练深度神经网络

3. 查询选择性约束

4. 数据预处理

5. 机器学习评估

实验结果表明，所提出的模型在选择性估计和机器学习实用性方面都优于现有的GAN模型和VAE模型。在五个真实数据集上，合成数据的选择性估计准确性提高了20%，机器学习实用性提高了6%。

未来工作将包括：1. 考虑更多查询操作，如投影和连接；2. 改进选择性组件，提高估计精度；3. 满足工业需求，如动态数据更新；4. 在更多GAN变体上进行实验；5. 优化超参数设置。