扩散模型表格生成阅读笔记

论文基本信息

论文标题：ClavaDDPM: Multi-relational Data Synthesis with Cluster-guided Diffusion Models

出版期刊：NeurIPS 2024

论文作者：Wei Pang, Masoumeh Shafieinejad, Lucy Liu, Stephanie Hazlewood, Xi He

学校机构：University of Waterloo, Vector Institute, Royal Bank of Canada

研究问题

（1）多表数据生成能力不足，不可扩展、难以建模跨多跳

（2）现有研究集中在单表生成，而单表生成无法扩展到真实数据库

（3）在多关系表中，外键约束会导致复杂依赖

如何在复杂外键约束下，高效建模多表数据并捕获长距离依赖？

研究内容

（1）提出 ClavaDDPM 模型：基于扩散模型的表格生成模型，并用聚类标签建模两个表之间的关系

（2）用 latent 变量替代外键条件：降维、提升条件建模稳定性、捕捉跨表依赖

（3）三阶段生成流程：一，通过 GMM 聚类标签得到 latent 标签 c；二，父表基于标签 c 增强的数据训练扩散模型，子表用正常的数据训练扩散模型，并训练一个分类器；三，生成阶段自顶向下生成表格

（4）用最近邻匹配解决多父表冲突问题

研究假设

H1：父表行 i.i.d

H2：子表条件独立

H3：latent 变量使得条件独立

H4：聚类可表达跨表关系

H5：多父表中，用最近邻匹配可近似联合分布

具体实现细节

研究局限性

（1）在多表中仅考虑外键约束

（2）强假设：条件独立

（3）未深入隐私分析