Bi-Discriminator Class-Conditional Tabular GAN
École de Technologie Supérieure (ÉTS), Université du Québec（魁北克大学高等技术学院）；IVADO Institution（IVADO研究所）；The Fédération des Caisses Desjardins du Québec（魁北克加鼎银行联合会）；École Polytechnique de Montréal（蒙特利尔理工学院）；McGill University（麦吉尔大学）
本文介绍了一种双列GAN，用于合成包含连续、二元和离散列的表格数据集。我们所提出的方法采用了自适应的预处理方案和一个新的条件项的生成器网络，以更有效地捕捉输入样本分布。此外，我们实现了简单而有效的架构，旨在提供更多的判别梯度信息的生成器的神经网络。我们在四个基准公共数据集上的实验结果证实了我们的GAN在似然适应度度量和机器学习功效方面的优越性能。
2021-12-02 cs.LG
Effective and Privacy preserving Tabular Data Synthesizing
Delft University of Technology（代尔夫特理工大学）
虽然数据共享对知识发展至关重要，但隐私问题和严格的监管（例如，欧洲通用数据保护条例（GDPR））限制了其有效性。合成表格数据作为一种替代方案出现，以实现数据共享，同时满足监管和隐私限制。最先进的表格数据合成器从生成对抗网络（GAN）中汲取方法。在这篇论文中，我们开发了CTAB-GAN，一种新的条件表GAN架构，可以有效地建模具有复杂分布的各种数据类型。CTAB-GAN在数据相似性和分析实用性方面与生成合成表的最新GANs进行了广泛的评估。在五个数据集上的结果表明，CTAB-GAN的合成数据与所有三种类型变量的真实数据非常相似，并导致五种机器学习算法的准确性更高，高达17%。此外，为了确保训练表格式GANs对抗恶意隐私攻击的更大安全性，研究了差分隐私（DP）并用于训练具有严格隐私保证的CTAB-GAN。DP-CTAB-GAN使用最先进的DP表格GANs在数据效用和隐私鲁棒性方面对成员和属性推断攻击进行了严格评估。我们在三个数据集上的结果表明，严格的理论差分隐私保证只有在严重影响数据效用之后才能实现。然而，经验表明，这些保证有助于提供更强大的防御隐私攻击。总体而言，发现DP-CTABGAN能够对隐私攻击具有鲁棒性，同时与先前的工作相比保持最高的数据实用性，平均精度得分高达18%。
2021-08-11 cs.LG
Invertible Tabular GANs: Killing Two Birds with OneStone for Tabular Data Synthesis
Yonsei University（延世大学）；Samsung SDS（三星数据系统公司(Samsung SDS)）
表格数据综合在文献中得到了广泛的关注。这是因为可用的数据通常是有限的，不完整的，或者不能轻易获得，数据隐私变得越来越重要。在这项工作中，我们提出了一个广义的GAN框架，用于表格合成，它结合了GANs的对抗训练和可逆神经网络的负对数密度正则化。拟议的框架可用于两个不同的目标。首先，我们可以进一步提高合成质量，通过降低对抗训练过程中真实记录的负对数密度。另一方面，通过增加真实记录的负对数密度，可以合成真实的假记录，使它们不太接近真实记录，并减少潜在的信息泄漏的机会。我们使用真实世界的数据集进行分类，回归和隐私攻击的实验。一般来说，所提出的方法展示了最佳的合成质量（就面向任务的评估指标而言，例如，F1）在对抗训练期间降低负对数密度时。实验结果表明，如果增加负对数密度，真实记录和虚假记录之间的距离增加，增强了对隐私攻击的鲁棒性。
2022-02-08 cs.AI cs.LG
FCT-GAN: Enhancing Table Synthesis via Fourier Transform
TU Delft（代尔夫特理工大学）；ABB Research（ABB研究院）
合成表格数据作为共享知识的替代方案出现，同时遵守限制性数据访问法规，例如，欧洲通用数据保护条例（GDPR）。主流最先进的表格数据合成器从生成对抗网络（GANs）中汲取方法，生成对抗网络由生成器和生成器组成。虽然卷积神经网络被证明是一个更好的架构比全连接网络的表格数据合成，表格数据的两个关键属性被忽视：（i）跨列的全局相关性，和（ii）不变的合成列排列的输入数据。为了解决上述问题，我们提出了一个傅立叶条件表格生成对抗网络（FCT-GAN）。我们引入特征标记化和傅立叶网络来构建一个transformer风格的生成器和递归，并捕获跨列的局部和全局依赖关系。标记器捕获本地空间特征并将原始数据转换为标记。傅立叶网络将令牌转换到频域，并按元素乘以可学习的滤波器。对基准测试和真实数据的广泛评估表明，FCT-GAN可以合成具有高机器学习实用性（比最先进的基线高27.8%）和与原始数据高统计相似性（高26.5%）的表格数据，同时保持跨列的全局相关性，特别是在高维数据集上。
2022-10-12 cs.LG
Hierarchical Conditional Tabular GAN for Multi-Tabular Synthetic Data Generation
KTH（皇家理工学院）
本文提出 HCTGAN 算法用于从复杂多表数据集高效合成多表数据，实验表明其在深度复杂多表数据集上比概率模型 HMA1 采样更高效且始终保证参照完整性，而 HMA1 更适合侧重数据质量的小数据集。
2024-11-11 cs.DB cs.LG
Modeling Tabular data using Conditional GAN
MIT LIDS（麻省理工学院信息与决策系统实验室）；MRC-BSU, University of Cambridge（剑桥大学MRC生物统计组）；Universidad Rey Juan Carlos（胡安·卡洛斯国王大学）
对表格数据中行的概率分布进行建模并生成真实的合成数据是一项重要的任务。表格数据通常包含离散列和连续列的混合。连续柱可能具有多种模式，而离散柱有时不平衡，使得建模困难。现有的统计和深度神经网络模型无法正确地对这类数据进行建模。我们设计了TGAN，它使用条件生成对抗网络来解决这些挑战。为了帮助进行公平和彻底的比较，我们设计了一个基准测试，其中包含7个模拟数据集和8个真实数据集以及多个贝叶斯网络基线。TGAN在大多数真实数据集上优于贝叶斯方法，而其他深度学习方法则不能。
2019-10-28 cs.LG stat.ML
DTGAN: Differential Private Training for Tabular GANs
TU Delft（代尔夫特理工大学）；ABB Research Switzerland（ABB瑞士研究院）
表格生成对抗网络（TGAN）最近出现，以满足合成表格数据的需要-最广泛使用的数据格式。虽然合成表格数据具有遵守隐私法规的优势，但由于在训练期间内插真实数据的属性，仍然存在通过推理攻击泄露隐私的风险。差分隐私（DP）训练算法通过注入统计噪声来防止隐私泄露，为训练机器学习模型提供了理论保证。然而，在TGAN上应用DP的挑战是确定最优框架（即，PATE/DP-SGD）和神经网络（即，生成器/鉴别器）来注入噪声，使得在给定的隐私保证下很好地维护数据效用。在本文中，我们提出了DTGAN，一种新的条件Wasserstein表格GAN，有两个变体DTGAN_G和DTGAN_D，用于分别提供使用DP-SGD训练的表格GANs的详细比较。我们引出与训练具有复杂损失函数的生成器相关联的隐私分析（即，分类和信息损失）。此外，我们严格评估理论上的隐私保障DP经验对成员和属性推理攻击。我们在3个数据集上的结果表明，DP-SGD框架优于PATE，DP训练器对于训练收敛性更优。因此，我们发现（i）DTGAN_D能够在4个ML模型中保持最高的数据效用，与先前的研究相比，严格的隐私预算，平均精度得分高达18%，并且（ii）DP通过将成员攻击的成功概率限制在接近50%，有效地防止了推理攻击的隐私丢失。
2021-08-02 cs.LG
Multi-objective evolutionary GAN for tabular data synthesis
The University of Manchester（曼彻斯特大学）；Alliance Manchester Business School（曼彻斯特联盟商学院）
本文提出SMOE-CTGAN，利用条件向量和多目标进化优化平衡表格合成数据的实用性与披露风险，并在多个人口普查数据集上获得不同风险—效用权衡及早期低风险最佳点。
2024-04-15 cs.LG cs.NE
Imbalanced Classification via a Tabular Translation GAN
Tel Aviv University（特拉维夫大学）；Playtika Ltd.（Playtika公司）；Bar-Ilan University（巴伊兰大学）
当数据表现出严重的类别不平衡的二元分类问题时，大多数标准预测方法可能无法准确地对少数类别进行建模。我们提出了一个基于生成对抗网络的模型，该模型使用额外的正则化损失将多数样本映射到相应的合成少数样本。这种转换机制鼓励合成的样本接近类边界。此外，我们探索了一个选择标准，以保留最有用的合成样本。实验结果表明，该方法提高了平均精度相比，替代的重新加权和过采样技术时，在各种表格类不平衡的数据集上使用几个下游分类器。
2022-04-19 cs.LG stat.ML
A Conditional GAN for Tabular Data Generation with Probabilistic Sampling of Latent Subspaces
School of Science and Technology, International Hellenic University（国际希腊大学科学与技术学院）
本文提出ctdGAN，通过概率采样策略和新损失函数缓解表格数据类别不平衡问题，生成高质量样本并提升分类准确率。
2026-09-01 cs.LG
GAN-based Tabular Data Generator for Constructing Synopsis in Approximate Query Processing: Challenges and Solutions
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
本文研究利用GAN生成表格数据以构建近似查询处理（AQP）中的数据概要，分析分布保持、有界连续与分类数据处理及语义关系保留等挑战，提出改进的表格GAN架构与可靠性评估指标，验证了其在提升AQP效率与效果方面的潜力。
2023-11-09 cs.DB cs.LG
Permutation-Invariant Tabular Data Synthesis
TU Delft（代尔夫特理工大学）；University of Torino（都灵大学）
表格数据合成是一种新兴的方法，可以规避严格的数据隐私法规，同时通过大数据发现知识。虽然最先进的基于AI的表格数据合成器，例如，table-GAN、CTGAN、TVAE和CTAB-GAN在生成合成表格数据时是有效的，它们的训练对输入数据的列排列敏感。在本文中，我们首先进行了广泛的实证研究，揭示了这样一个性质的排列不变性和深入分析现有的合成器。我们发现，由于表格数据的编码和网络架构，改变输入列的顺序将真实数据和合成数据之间的统计差异降低了38.67%。为了充分释放大合成表格数据的潜力，我们提出了两种解决方案：（i）AE-GAN，一种使用自动编码器网络来表示表格数据和GAN网络来合成潜在表示的合成器，以及（ii）一种特征排序算法，用于为基于CNN的合成器找到合适的输入数据列顺序。我们在五个数据集上评估了所提出的解决方案对列排列的敏感性、合成数据的质量以及在下游分析中的实用性。我们的研究结果表明，我们增强了训练合成器时的置换不变性，并进一步提高了合成数据的质量和效用，高达22%，相比现有的合成器。
2022-11-17 cs.LG
P-TA: Using Proximal Policy Optimization to Enhance Tabular Data Augmentation via Large Language Models
Technical University of Munich（慕尼黑工业大学）
提出P-TA方法，利用近端策略优化（PPO）将LLM作为GAN生成器进行表格数据增强，解决梯度断点问题，在三个真实数据集上准确率提升约4%。
2025-02-23 cs.LG
Bayesian Generative Adversarial Networks via Gaussian Approximation for Tabular Data Synthesis
Department of Social Statistics, The University of Manchester（社会统计系，曼彻斯特大学）；Alliance Manchester Business School, The University of Manchester（曼彻斯特商业联盟学院，曼彻斯特大学）
本文提出GACTGAN，通过高斯近似技术在CTGAN中整合贝叶斯后验近似，以更高效地生成表格数据，提升数据结构和统计信息的保真度并降低隐私风险。
2026-02-25 cs.LG stat.ML
RCC-GAN: Regularized Compound Conditional GAN for Large-Scale Tabular Data Synthesis
École de Technologie Supérieure (ÉTS), Université du Québec（魁北克大学高等技术学院）；Fédération des Caisses Desjardins du Québec（魁北克德信联合会）；University of Windsor（温莎大学）
本文介绍了一种新的生成式对抗网络（GAN），用于合成包含连续、离散和二进制等各种特征的大规模表格数据库。从技术上讲，我们的GAN属于具有预定义条件向量的类条件生成模型的类别。然而，我们提出了一个新的配方，用于推导这样一个向量，同时将二进制和离散功能。我们将这个崇高的定义称为复合条件向量，并将其用于训练生成器网络。该网络的核心架构是一个三层的深度残差神经网络与跳跃连接。为了提高这种复杂体系结构的稳定性，我们提出了一种正则化方案，以限制训练过程中权重向量的前所未有的变化。这种正则化方法与对抗训练的性质非常兼容，并且在运行时不会在计算上受到限制。此外，我们不断监测权重向量的变化，以识别任何潜在的不稳定性或不规则性，以衡量我们提出的正则化器的强度。为此，我们还开发了一个新的度量跟踪突然扰动的权重向量使用奇异值分解理论。最后，我们评估了我们提出的综合方法的性能六个基准表数据库，即成人，人口普查，HCDR，出租车，新闻，国王。所取得的结果证实，对于大多数情况下，我们提出的RccGAN在准确性，稳定性和可靠性方面优于其他传统和现代生成模型。
2022-05-24 cs.AI cs.DB cs.LG
TAEGAN: Generating Synthetic Tabular Data For Data Augmentation
National University of Singapore（国立新加坡大学）；Betterdata AI Singapore（Betterdata AI新加坡）
TAEGAN通过引入自监督预热训练和改进的损失函数，提升表格数据生成的稳定性与效率，优于现有方法。
2025-12-12 cs.LG
Synthesizing Tabular Data using Generative Adversarial Networks
MIT（麻省理工学院）
生成对抗网络（GANs）隐式地学习数据集的概率分布，并可以从分布中提取样本。本文提出了表格式GAN（TGAN），这是一种生成对抗网络，可以生成医疗或教育记录等表格数据。利用深度神经网络的强大功能，TGAN生成高质量的全合成表，同时生成离散和连续变量。当我们在三个数据集上评估我们的模型时，我们发现TGAN在捕获列之间的相关性和扩大大型数据集方面都优于传统的统计生成模型。
2018-11-27 cs.LG stat.ML
MALLM-GAN: Multi-Agent Large Language Model as Generative Adversarial Network for Synthesizing Tabular Data
McWilliams School of Biomedical Informatics at UTHealth Houston（UTHealth休斯顿麦威廉斯生物医学信息学院）
本文提出MALLM-GAN框架，利用大语言模型模拟生成对抗网络架构，解决小样本下表格数据合成问题，实验表明其在生成高质量合成数据方面优于现有方法。
2026-04-09 cs.AI cs.LG
Evaluating the Utility of GAN Generated Synthetic Tabular Data for Class Balancing and Low Resource Settings
Liverpool John Moores University（利物浦约翰摩尔大学）；UpGrad Education Private Limited（UpGrad教育私人有限公司）；University of Arizona（亚利桑那大学）
本研究评估了SMOTE、ADASYN和GAN生成合成数据以解决分类任务中类别不平衡和低资源问题的效果，实验表明GAN生成的数据能显著提升GLM和RF模型的召回率。
2023-06-24 cs.AI cs.LG
A Novel GAN Approach to Augment Limited Tabular Data for Short-Term Substance Use Prediction
University of Nebraska-Lincoln（内布拉斯加大学林肯分校）；Lehigh University（利哈伊大学）
针对物质使用预测数据稀缺问题，提出一种新颖GAN增强高维低样本表格数据，使分类模型AUROC提升最高15.8%，优于现有生成模型。
2024-07-17 cs.LG
Synthesizing Tabular Data Using Selectivity Enhanced Generative Adversarial Networks
THE UNIVERSITY OF MELBOURNE（墨尔本大学）；Faculty of Science（理学院）；School of Mathematics and Statistics（数学与统计学院）
针对电子商务压力测试中GAN生成表格数据计算开销大的问题，提出融合查询选择性约束的GAN方法，集成预训练深度神经网络保持选择性一致，在五个数据集上优于现有模型，选择性估计准确率提升达20%，机器学习效用提升达6%。
2025-02-28 cs.AI cs.LG
CTG-KrEW: Generating Synthetic Structured Contextually Correlated Content by Conditional Tabular GAN with K-Means Clustering and Efficient Word Embedding
Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校）；Missouri University of Science and Technology（密苏里科技大学）
本文提出CTG-KrEW框架，结合K-Means聚类和词嵌入改进CTGAN，以高效生成语义连贯的合成表格数据，并在Upwork数据集上验证其效果，显著降低CPU时间和内存占用。
2024-09-03 cs.CL cs.LG
Distributed Conditional GAN (discGAN) For Synthetic Healthcare Data Generation
University of Virginia（弗吉尼亚大学）；School of Data Science（数据科学学院）
本文提出分布式生成对抗网络discGAN，用于生成医疗领域的合成表格数据，实验证明其能有效建模非高斯多模态数据并生成分布高度相似于真实数据的合成记录。
2023-04-09 cs.AI cs.LG
A Conditional Tabular GAN-Enhanced Intrusion Detection System for Rare Attacks in IoT Networks
College of computing, Mohammed VI Polytechnic University, Ben Guerir, Morocco（计算学院，穆莱·伊沙克大学，布恩吉尔，摩洛哥）
针对物联网数据类别不平衡导致传统IDS难以检测罕见攻击的问题，提出CTGSM-DNN两阶段系统，利用CTGAN生成合成数据并用SMOTEENN提升数据集质量，在CSE-CIC-IDS2018数据集上实现99.90%总体准确率和80%罕见攻击检测准确率。
2025-02-09 cs.CR cs.LG
OOG- Optuna Optimized GAN Sampling Technique for Tabular Imbalanced Malware Data
Islamic University of Technology（伊斯兰理工大学）
网络空间在现代技术时代占据了人们生活的很大一部分，有利用它的人，也有利用它的人。恶意软件是一种应用程序，其构建不是出于良性目标，它可以伤害，窃取甚至更改个人信息和安全应用程序和软件。因此，有许多技术可以避免恶意软件，其中之一是开发恶意软件的样本，以便系统可以随着越来越多的恶意软件而更新，从而允许它识别恶意软件何时试图进入。生成对抗网络（GAN）采样技术已在这项研究中使用，以生成新的恶意软件样本。GANs有多个变体，为了确定哪个变体对于给定的数据集样本是最佳的，必须修改它们的参数。本研究采用Optuna，一个自主的超参数调整算法，以确定所考虑的数据集的最佳设置。在这项研究中，Optuna Optimized GAN（OOG）方法的架构被显示出来，准确率、精确率、召回率和f1得分分别为98.06%、99.00%、97.23%和98.04%。在调整了XGBoost、LightGBM、CatBoost、Extra Trees Classifier和梯度提升Classifier五种监督提升算法的超参数后，本文的方法还采用了加权集成技术来获得这一结果。除了比较在这一领域的现有努力，该研究表明如何有前途的GAN相比，其他采样技术，如SMOTE。
2022-11-25 cs.CR cs.LG
TabFairGAN: Fair Tabular Data Generation with Generative Adversarial Networks
University of Central Florida（中佛罗里达大学）
随着人们对自动决策的日益依赖，算法公平性的问题变得越来越重要。在本文中，我们提出了一个生成对抗网络的表格数据生成。该模型包括两个培训阶段。在第一阶段，训练模型以准确地生成与参考数据集相似的合成数据。在第二阶段中，我们修改价值函数以添加公平性约束，并继续训练网络以生成既准确又公平的数据。我们测试我们的结果在这两种情况下的无约束，约束公平的数据生成。在无约束的情况下，即当模型仅在第一阶段进行训练并且仅旨在生成遵循真实数据的相同联合概率分布的准确数据时，结果表明该模型击败了文献中提出的最先进的GANs来生成合成表格数据。此外，在约束的情况下，在第一阶段的训练是其次是第二阶段，我们训练网络和测试它的公平性文献中研究的四个数据集，并比较我们的结果与另一个国家的最先进的预处理方法，并提出了有前途的结果，它实现。与其他利用GANs进行公平数据生成的研究相比，我们的模型仅使用一个评论家，并且通过实现Wasserstein GAN来避免原始GAN模型的主要问题，例如模式丢弃和不收敛，从而更加稳定。
2021-09-02 cs.AI cs.LG
Privacy Re-identification Attacks on Tabular GANs
Norwegian University of Science and Technology（挪威科技大学）
本文研究表格型 GAN 合成数据的隐私重识别攻击，分析不同攻击者知识水平下的风险，并发现黑盒访问生成模型及进化多目标优化重构攻击会显著加剧隐私泄露。
2024-03-31 cs.CR cs.LG
DATGAN: Integrating expert knowledge into deep learning for synthetic tabular data
École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）
合成数据可用于各种应用中，例如校正偏差数据集或出于模拟目的替换稀缺的原始数据。生成对抗网络（GANs）被认为是开发生成模型的最新技术。然而，这些深度学习模型是数据驱动的，因此难以控制生成过程。因此，它可能导致以下问题：生成的数据缺乏代表性，引入偏差，以及过拟合样本噪声的可能性。本文提出了有向非循环表格GAN（DAT GAN），通过将专家知识集成到深度学习模型中来生成合成表格数据，从而解决这些局限性。这种方法允许使用有向无环图（DAG）显式指定变量之间的交互。然后将DAG转换为修改的长短期记忆（LSTM）单元的网络以接受多个输入。多个DATGAN版本在多个评估指标上进行了系统测试。我们表明，最好的版本的DATGAN优于国家的最先进的生成模型在多个案例研究。最后，我们展示了DAG如何创建假设的合成数据集。
2022-03-07 cs.LG
Improving Credit Card Fraud Detection through Transformer-Enhanced GAN Oversampling
提出一种结合Transformer编码器的GAN过采样方法，生成高质量合成少数类样本，在信用卡欺诈数据集上显著提升召回率、F1分数和AUC，有效解决类别不平衡问题。
2025-09-24 cs.LG
CasTGAN: Cascaded Generative Adversarial Network for Realistic Tabular Data Synthesis
Department of Engineering Cybernetics, Norwegian University of Science and Technology（挪威科技大学工程控制论系）
本文提出 CasTGAN 级联表格 GAN 框架，通过逐特征专用生成器提升合成表格数据的依赖有效性，并增强其对抗白盒定向隐私攻击的鲁棒性。
2024-01-22 cs.AI cs.LG
Black-Box Training Data Identification in GANs via Detector Networks
Harvard University（哈佛大学）
本文研究了黑盒设置下针对GAN的成员推理攻击，提出基于检测器网络的攻击方法The Detector，证明其近似最优，并发现GAN可能比其他模型更具隐私性但仍有被攻击风险。
2023-10-18 cs.AI cs.LG
CTAB-GAN: Effective Table Data Synthesizing
TU Delft（代尔夫特理工大学）；Aegon（全球保险集团（Aegon））；ABB Research Switzerland（ABB瑞士研究院）
虽然数据共享对知识发展至关重要，但隐私问题和严格的监管（例如，欧洲通用数据保护条例（GDPR））限制了其有效性。合成表格数据作为一种替代方案出现，以实现数据共享，同时满足监管和隐私限制。最先进的表格数据合成器从生成对抗网络（GAN）中提取方法，并解决行业中的两种主要数据类型，即，连续的和分类的。在本文中，我们开发了CTAB-GAN，一种新的条件表GAN架构，可以有效地建模不同的数据类型，包括连续和分类变量的混合。此外，我们还解决了数据不平衡和长尾问题，即，某些变量在大值上具有剧烈的频率差异。为了实现这些目标，我们首先引入信息损失和分类损失的条件GAN。其次，我们设计了一个新的条件向量，它有效地编码混合数据类型和数据变量的偏态分布。我们广泛评估CTAB-GAN与最先进的GANs，生成合成表，在数据相似性和分析效用方面。在五个数据集上的结果表明，CTAB-GAN的合成数据与所有三种类型变量的真实数据非常相似，并导致五种机器学习算法的准确性提高了17%。
2021-05-31 cs.LG
Row Conditional-TGAN for generating synthetic relational databases
Croesus（克洛伊索斯）；Croesus Lab（克洛伊索斯实验室）
除了再现独立表的表格数据属性之外，合成关系数据库还需要对相关表之间的关系进行建模。在本文中，我们提出了行条件-表格生成对抗网络（RC-T GAN），这是一种新型生成对抗网络（GAN）模型，它扩展了表格式GAN以支持建模和合成关系数据库。RC-T GAN通过将父行的条件数据合并到子表的GAN的设计中来对表之间的关系信息进行建模。我们进一步扩展了RC-TGAN模型的影响，祖表行可能对他们的孙子行，为了防止这种连接的丢失时，父表的行未能传输此关系信息。使用8个真实的关系数据库的实验结果表明，与基准系统相比，合成的关系数据库的质量有了显著的提高，证明了RC-TGAN在保持原始数据库表之间关系方面的有效性。
2022-11-14 cs.DB cs.LG
VECT-GAN: A variationally encoded generative model for overcoming data scarcity in pharmaceutical science
UCL School of Pharmacy, University College London（伦敦大学学院药学院）；UCL Department of Medical Physics and Biomedical Engineering, University College London（伦敦大学学院医学物理与生物医学工程系）；UCL Cancer Institute, University College London（伦敦大学学院癌症研究所）
针对制药领域数据稀缺问题，提出新型VECT-GAN模型用于增强小型含噪表格数据集，结合ChEMBL预训练与知识蒸馏提升泛化性，在6个数据集上性能优于前沿模型，已开源为pip包。
2025-01-17 cs.LG
Method for Generating Synthetic Data Combining Chest Radiography Images with Tabular Clinical Information Using Dual Generative Models
The University of Tokyo Hospital（东京大学医院）；Chiba University（千叶大学）
本文提出一种结合alphaGAN与CTGAN的方法，通过图像编码、表格生成与图像重建三步生成胸部X光影像与临床表格数据融合的合成医疗记录，在五倍数据量训练下性能接近原始数据，有助于隐私保护下的医疗数据共享。
2023-09-19 cs.CV cs.LG eess.IV
RecTable: Fast Modeling Tabular Data with Rectified Flow
Meiji University（明治大学）
本文提出RecTable，利用整流流建模表格数据，以简单架构和训练策略在减少训练时间的同时达到与最先进扩散模型相当的生成性能。
2025-03-26 cs.LG
SOS: Score-based Oversampling for Tabular Data
Yonsei University（延世大学）；Samsung SDS（三星SDS）
基于得分的生成模型（SGM）是生成假图像的最新突破。已知SGM优于其他生成模型，例如，生成对抗网络（GANs）和变分自编码器（VAE）。受到他们巨大成功的启发，在这项工作中，我们完全定制了他们来生成虚假的表格数据。特别是，我们对过采样子类感兴趣，因为不平衡的类经常导致次优的训练结果。据我们所知，我们是第一个提出了基于分数的表格数据过采样方法。首先，我们重新设计了我们自己的评分网络，因为我们必须处理表格数据。其次，我们提出了两种选择，我们的生成方法：前者是相当于一个表格数据的风格转移，后者使用标准的生成策略的SGM。最后，我们定义了一种微调方法，进一步提高了过采样质量。在我们使用6个数据集和10个基线的实验中，我们的方法在所有情况下都优于其他过采样方法。
2022-06-17 cs.AI cs.LG
TabularFM: An Open Framework For Tabular Foundational Models
Vietnam National University（越南国立大学）；IBM Research（IBM研究院）
针对表格数据基础模型研究不足的问题，研究团队提出开放框架TabularFM，整合前沿模型架构，整理发布百万级清洗表格数据集，完成预训练与基准测试并开源相关资源，系统分析表格基础模型的迁移性。
2024-06-18 cs.LG
A Systematic Framework for Tabular Data Disentanglement
Nanyang Technological University（南洋理工大学）
本文提出一个系统框架，将表格数据解耦过程模块化为四个核心组件，以解决现有方法在可扩展性、模式崩溃和外推能力上的不足。
2026-04-09 cs.LG
A Dynamic Weighted Tabular Method for Convolutional Neural Networks
Friedrich-Alexander University of Erlangen（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）；United International University（联合国际大学）
传统的机器学习（ML）模型，如支持向量机、随机森林和逻辑回归，通常是表格数据集分类任务的首选。表格数据由分别对应于实例和特征的行和列组成。过去的研究表明，传统分类器在复杂的表格数据集中往往会产生不令人满意的结果。因此，研究人员试图将强大的卷积神经网络（CNN）用于表格数据集。最近的研究提出了几种技术，如SuperTML，条件GAN（CT GAN）和表格卷积（TAC），用于将卷积神经网络（CNN）应用于表格数据。这些模型的性能优于传统的分类器，并大大提高了对表格数据的性能。这项研究介绍了一种新的技术，即动态加权表格方法（DWTM），它使用基于统计技术的特征权重动态地将CNN应用于表格数据集。该方法根据每个特征与类标签的关联强度动态地为每个特征分配权重。每个数据点被转换成图像并馈送到CNN模型。基于特征的权重为特征分配图像画布空间。DWTM是对前面提到的方法的改进，因为它动态地实现了整个实验设置，而不是使用前面方法中提供的静态配置。此外，它使用了新颖的思想，使用特征权重来创建图像画布空间。在本文中，DWTM被应用于六个基准表数据集，它取得了出色的性能（即，平均准确率为95%。
2022-05-20 cs.CV cs.LG
Generative Adversarial Networks for Synthetic Data Generation: A Comparative Study
School of Social Sciences, University of Manchester（曼彻斯特大学社会科学学院）；Alliance Manchester Business School, University of Manchester（曼彻斯特大学联盟曼彻斯特商学院）
生成对抗网络（GANs）作为一种合成数据的手段越来越受到关注。到目前为止，这项工作的大部分已经应用于数据保密领域之外的用例，其中一个常见的应用是人工图像的生成。在这里，我们考虑了GANs的潜在应用，以生成合成的人口普查微观数据。我们采用了一组效用度量和披露风险度量（目标正确归因概率）来比较表格GANs产生的数据与使用传统数据合成方法产生的数据。
2021-12-03 cs.LG
Causal-TGAN: Generating Tabular Data Using Causal Generative Adversarial Networks
Stevens Institute of Technology（史蒂文斯理工学院）
合成数据生成作为隐私泄露和数据短缺的解决方案变得流行。生成式模型的目的是生成一个真实的合成数据集，它可以精确地表达真实数据集的数据分布。生成对抗网络（GAN）在计算机视觉领域取得了巨大的成功，被广泛用于合成数据的生成。虽然之前的研究已经取得了很大的进展，但大多数研究都是学习数据分布中的相关性，而不是数据集自然生成的真实过程。相关性是不可靠的，因为它是一种统计技术，只告诉线性相关性，很容易受到数据集的偏见。因果关系编码了真实数据如何自然生成的所有潜在因素，比相关性更可靠。在这项工作中，我们提出了一个因果模型命名为因果表格生成神经网络（Causal-TGAN）生成合成表格数据使用表格数据的因果信息。在模拟数据集和真实数据集上进行的大量实验表明，当给定真实因果图时，我们的方法具有更好的性能，当使用估计因果图时，我们的方法具有相当的性能。
2021-04-21 cs.AI cs.LG
Beyond Distribution Matching: Semantics-Consistent Tabular Diffusion with Weak Semantic Priors
Jilin University（吉林大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
针对现有表格生成器忽视语义约束的问题，提出语义一致表格扩散框架，利用LLM提取列内语义和列间规则作为生成条件，在统一语义空间进行条件去噪，在六个基准上同时提升分布保真度与语义一致性。
2026-09-16 cs.AI cs.LG
TabDDPM: Modelling Tabular Data with Diffusion Models
HSE university（高等经济大学）；Yandex（Yandex公司）
针对表格数据异质性导致的建模难题，提出通用扩散模型TabDDPM，可处理任意类型表格特征，在多基准上性能优于GAN/VAE，且适用于隐私保护场景。
2024-10-07 cs.LG
DSF-GAN: DownStream Feedback Generative Adversarial Network
Ben Gurion University（本古里安大学）
为提升合成表格数据的效用，提出DSF-GAN架构，通过在训练中引入下游预测模型的反馈增强生成器损失函数，实验证明其生成的合成样本能显著提升下游模型性能。
2024-03-27 cs.AI cs.LG
A Comprehensive Survey of Synthetic Tabular Data Generation
School of Artificial Intelligence, Jilin University（吉林大学人工智能学院）；Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系）
本文系统综述了合成表格数据生成方法，整合传统生成方法、扩散模型和大语言模型三类技术，并从背景、生成方法、应用与挑战三方面梳理研究现状与未来方向。
2025-07-17 cs.LG
PrAda-GAN: A Private Adaptive Generative Adversarial Network with Bayes Network Structure
针对差分隐私下合成数据生成中基于边缘分布方法的局限，提出整合GAN与边缘分布方法优势的PrAda-GAN，通过序列生成器架构和自适应正则化提升收敛速度，在隐私-效用权衡上优于现有表格数据合成方法。
2025-11-11 cs.CR cs.LG stat.ME
VT-GAN: Cooperative Tabular Data Synthesis using Vertical Federated Learning
National University of Singapore（新加坡国立大学）；University of Birmingham（伯明翰大学）；TU Delft（代尔夫特理工大学）
本文提出VT-GAN框架，通过垂直联邦学习在多方分布式表格数据上隐私保护地训练GAN，并结合洗牌训练防止数据重建，实验表明其合成数据质量接近集中式GAN，效用差异最低仅2.7%。
2025-02-14 cs.LG
Generative Trees: Adversarial and Copycat
Google Research（谷歌研究院）
虽然生成对抗网络（GANs）在图像等非结构化数据上取得了惊人的结果，但在表格数据上仍然存在差距，最先进的监督学习仍然在很大程度上支持基于决策树（DT）的模型。本文提出了一种新的生成表格数据的方法，利用几十年来对DT归纳的监督任务最佳组件的理解，从损失（正确性），模型（基于树）到算法（提升）。监督损失的\textit{properness}条件-假设贝叶斯规则的最优性-使我们得到一个变分GAN风格的损失公式，当鉴别器满足DT平凡满足的校准属性时，它是\textit{tight}，并且在关于监督损失的常见假设下，生成器：$χ^2$产生“一个损失，以训练对抗所有人”。然后，我们介绍了基于树的生成模型，\textit{generative trees}（GT），这意味着在生成方面反映了DT用于分类表格数据的良好特性，并为GT提供了一个增强兼容的\textit{adversarial}训练算法。我们还介绍了\textit{copycat training}，其中生成器在运行时复制的底层树（图）的CDRDT和完成它的最难的判别任务，提高兼容的收敛。我们在任务上测试了我们的算法，包括假/真区分，假数据训练和缺失数据填补。这些任务中的每一个都表明，GT可以提供相对简单的-和可解释的-竞争者，以先进的数据生成方法（使用神经网络模型）或缺失数据填补（依赖于多重填补链式方程与复杂的基于树的建模）。
2022-02-11 cs.LG
Synthesizing Property & Casualty Ratemaking Datasets using Generative Adversarial Networks
Université Laval（拉瓦尔大学）；Brigham Young University（杨百翰大学）
由于保密问题，很难访问或共享精算学或其他个人数据重要领域的方法发展所需的有趣数据集。我们展示了如何设计三种不同类型的生成对抗网络（GANs），这些网络可以从机密的原始数据集构建合成保险数据集。目标是获得不再包含敏感信息但仍具有与原始数据集相同的结构并保留多变量关系的合成数据。为了充分模拟保险数据的特定特征，我们使用适用于多类别数据的GAN架构：具有梯度惩罚的Wassertein GAN（MC-WGAN-GP），条件表格GAN（CT GAN）和混合数值和类别差分私有GAN（MNCDP-GAN）。为了提高透明度，使用公共数据集（法国汽车第三方责任数据）说明了这些方法。我们在各个方面比较了三种不同的GANs：再现原始数据结构和预测模型的能力，隐私性和易用性。我们发现，MC-WGAN-GP合成最好的数据，CTGAN是最容易使用的，和MNCDP-GAN保证差分隐私。
2020-08-13 cs.LG stat.ML
Boosting Predictive Performance on Tabular Data through Data Augmentation with Latent-Space Flow-Based Diffusion
Md. Tawfique Ihsan（独立研究者）；Md. Rakibul Hasan Rafi（独立研究者）；Ahmed Shoyeb Raihan（独立研究者）；Imtiaz Ahmed（独立研究者）；Abdullahil Azeem（独立研究者）
本文提出基于潜在空间和树驱动扩散的方法，通过数据增强提升表格数据预测性能，实现高召回率和隐私保护。
2025-11-20 cs.LG
Limited Reference, Reliable Generation: A Two-Component Framework for Tabular Data Generation in Low-Data Regimes
School of Computer Science, Fudan University（复旦大学计算机科学学院）；Institute of Financial Technology, Fudan University（复旦大学金融技术研究院）；Northwestern Polytechnical University（西北工业大学）
提出ReFine框架，通过从可解释模型提取符号规则嵌入提示引导生成，并采用双粒度过滤减少局部冗余，在低数据场景下实现稳健的表格数据生成，平均提升7.48%。
2026-06-26 cs.AI cs.LG
TabSynDex: A Universal Metric for Robust Evaluation of Synthetic Tabular Data
Birla Institute of Technology and Science (BITS) Pilani（贝拉理工学院 Pilani校区）；School of Computer Engineering, Kalinga Institute of Industrial Technology (Deemed to be University)（卡林加工业技术学院（准大学）计算机工程学院）
本文提出通用单一评估度量 TabSynDex，通过多分量得分衡量合成表格数据与真实数据的相似性，并可用于观察神经网络训练过程，实验证明其优于现有度量。
2024-06-08 cs.LG
Measuring Privacy Risks and Tradeoffs in Financial Synthetic Data Generation
Rensselaer Polytechnic Institute（拉特格斯理工学院）
本文研究了金融领域合成数据生成中隐私与效用的权衡，通过改进GAN和自编码器的隐私保护实现，评估了不同数据集平衡性对生成质量的影响。
2026-02-10 cs.LG
