Dec, 2023

IRG：使用 GAN 生成合成关系数据库

PDF
TL;DR在学术界和工业界存在对数据共享的不断增长需求，然而这种共享在个人隐私和数据机密方面存在问题。作者提出了一种名为增量关系生成器 (IRG) 的方法，利用生成对抗网络 (GAN) 来合成生成多个相关表格，并在公共数据集和私人学生数据上的实验证明了 IRG 在统计特性和查询结果方面的优越性。
data sharingprivacyconfidentialitygenerative adversarial networkincremental relational generator
发现论文，激发创造
  • 生成对抗网络用于信息检索：基础与进展

    本教程讨论了 GAN 技术及其在不同信息检索场景下的离散数据拟合的变体，着重介绍了 IRGAN 的基本 GAN 框架和直接应用在信息检索中拟合单个 ID 数据分布，以及 GAN 在生成文本和图形数据等方面的解决方案，并介绍了 IRGAN 和 Texygen 等相关开源平台来帮助研究者进行有关 GAN 的信息检索实验，最后对 GAN 在信息检索中未来研究方向进行了综合总结和展望。

    Jun, 2018

  • 使用生成对抗网络合成表格数据

    本文介绍了 Tabular GAN（TGAN），这是一种可以生成表格数据（例如医学或教育记录）的生成对抗网络，利用深度神经网络生成高质量和完全合成的表格，同时生成离散和连续变量。在三个数据集上评估我们的模型时，我们发现 TGAN 在捕捉列之间的相关性和扩展大型数据集方面都优于传统的统计生成模型。

    Nov, 2018

  • 基于生成对抗网络的数据合成

    该研究提出了一种名为 table-GAN 的方法，使用生成对抗网络（GANs）合成伪造表格，用于保证数据匿名性和模型兼容性。实验证明，该方法在隐私和模型兼容性之间取得平衡，同时解决了数据泄露问题。

    Jun, 2018

  • 通过图变分自编码器生成真实的合成关系数据

    利用变分自动编码器框架和图神经网络生成真实的综合关系数据库。

    Nov, 2022

  • 使用两个生成对抗网络的混合图像 - 表格数据的合成数据生成方法

    使用自编码生成对抗网络（GANs）和条件生成对抗网络（CTGAN），提出了一种生成综合医疗记录（包括胸部 X 光图像和结构化表格数据）的方法。通过将 GAN 模型的编码器与原始数据库中的图像进行组合，成功生成了多样的综合 X 光图像和表格数据的合成记录，并通过可视评估、间记录距离分布和分类任务评估了生成的数据库。该方法有潜力在不损害数据二次使用的情况下公开发布合成数据集。

    Aug, 2023

  • 保护和扩展 —— 使用 GAN 生成时间序列医疗记录的合成数据

    通过比较各种使用生成对抗网络的合成数据生成模型，研究证明了隐私保护生成对抗网络（PPGAN）模型在保护隐私的同时保持了可接受的生成数据质量，为将来医疗应用提供更好的数据保护。

    Feb, 2024

  • CTAB-GAN: 有效的表格数据合成

    本文主要介绍了一种名为 CTAB-GAN 的条件表格 GAN 架构，可以有效地模拟多种数据类型，包括连续和分类变量，并且通过对多项机器学习算法进行测试，在五个数据集上的表现令人印象深刻。

    Feb, 2021

  • CasTGAN: 级联生成对抗网络用于逼真的表格数据合成

    本文提出了一个级联表格生成对抗网络框架（CasTGAN），可生成更逼真的表格数据，模型能捕捉实际数据的限制和相关性，并通过对辅助学习者进行扰动来提高模型抵抗特定攻击的整体稳健性。

    Jul, 2023

  • House-GAN: 关系型生成对抗网络用于受图形约束的房屋布局生成

    本文提出了一种基于关系架构的新型图约束生成对抗网络，其生成器和鉴别器利用关系结构进行建模，旨在将约束编码到其关系网络的图结构中，将建筑约束作为图形输入，并生成一套轴对齐的房间边框，通过 117000 张实际的平面图像的定量和定性评估表明，该方法优于现有的方法和基线。

    Mar, 2020

  • 将差分隐私合成数据应用于关系数据库的适应性

    本研究提出了一种首次相结合现有差分隐私机制生成综合性关系型数据库的算法，通过迭代优化各个合成表之间的关系，最小化其低阶边缘分布的近似误差，并保持参照完整性。最终，我们对该算法提供了差分隐私和理论效用保证。

    May, 2024