https://ruheyun.github.io/tags/tabular/ Recent content in Tabular on RuHeYun Hugo -- gohugo.io en-us RuHeYun Tue, 31 Mar 2026 10:14:06 +0800 https://ruheyun.github.io/p/clavaddpm/ Tue, 31 Mar 2026 09:29:20 +0800 https://ruheyun.github.io/p/clavaddpm/ <p>扩散模型表格生成阅读笔记</p> <!-- more --> <h2 id="论文基本信息">论文基本信息 </h2><p><mark>论文标题</mark>：ClavaDDPM: Multi-relational Data Synthesis with Cluster-guided Diffusion Models</p> <p><mark>出版期刊</mark>：NeurIPS 2024</p> <p><mark>论文作者</mark>：Wei Pang, Masoumeh Shafieinejad, Lucy Liu, Stephanie Hazlewood, Xi He</p> <p><mark>学校机构</mark>：University of Waterloo, Vector Institute, Royal Bank of Canada</p> <h2 id="研究问题">研究问题 </h2><p>（1）多表数据生成能力不足，不可扩展、难以建模跨多跳</p> <p>（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</p> <p>（3）在多关系表中，外键约束会导致复杂依赖</p> <blockquote> <p>如何在<strong>复杂外键约束下，高效建模多表数据并捕获长距离依赖</strong>？</p> </blockquote> <h2 id="研究内容">研究内容 </h2><p>（1）提出 ClavaDDPM 模型：基于扩散模型的表格生成模型，并用<strong>聚类标签</strong>建模两个表之间的关系</p> <p>（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</p> <p>（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</p> <p>（4）用最近邻匹配解决多父表冲突问题</p> <h2 id="研究假设">研究假设 </h2><p>H1：父表行 i.i.d</p> <p>H2：子表条件独立</p> <p>H3：latent 变量使得条件独立</p> <p>H4：聚类可表达跨表关系</p> <p>H5：多父表中，用最近邻匹配可近似联合分布</p> <h2 id="具体实现细节">具体实现细节 </h2><h2 id="研究局限性">研究局限性 </h2><p>（1）在多表中仅考虑外键约束</p> <p>（2）强假设：条件独立</p> <p>（3）未深入隐私分析</p>