使用扩散模型的可控表格数据合成

可控表格数据合成在众多应用中发挥着至关重要的作用，允许用户生成具有特定条件的合成数据。这些条件可以包括合成具有预定义属性值的元组或创建与外部表格呈现特定相关性的元组。然而，现有方法缺乏支持新条件的灵活性，并且在处理多个条件时可能非常耗时。为了克服这些局限性，我们提出了一种新方法，利用扩散模型首先学习无条件生成模型。随后，我们引入轻量级控制器来指导无条件生成模型生成满足不同条件的合成数据。主要研究挑战在于有效支持可控性，同时确保合成数据的真实性。为了解决这一挑战，我们设计了一种专门针对表格数据的无条件扩散模型。此外，我们提出了一种新的采样方法，使得在整个数据生成过程中能够进行基于相关性的控制。我们在多个可控表格数据合成的应用中进行了广泛实验，结果显示我们的方法优于现有的先进方法。