PulseAugur
中
实时 17:14:29
English(EN) Autoregressive Synthesis of Sparse and Semi-Structured Mixed-Type Data

ORiGAMi模型在不展平的情况下合成半结构化JSON数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ORiGAMi，一种新颖的自回归Transformer架构，旨在合成稀疏和半结构化JSON数据，而无需展平。与将JSON记录转换为宽泛稀疏表的传统方法不同，这种方法保留了JSON记录的内在结构。ORiGAMi将JSON序列化为键、值和结构令牌，编码它们在文档树中的位置，并强制执行语法和模式约束。在六个数据集上的评估表明，ORiGAMi在保真度、检测和效用指标的18项比较中有17项优于现有基线，同时还保持了高隐私分数。 AI

影响 引入了一种从复杂JSON结构生成逼真合成数据的新方法，可能提高AI系统的隐私和测试能力。

排序理由 这是一篇介绍用于合成数据生成的新模型架构的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

ORiGAMi模型在不展平的情况下合成半结构化JSON数据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Thomas R\"uckstie{\ss}, Robin Vujanic ·

    自回归合成稀疏和半结构化混合类型数据

    arXiv:2603.01444v2 Announce Type: replace Abstract: Synthetic data generation is an important capability for privacy-preserving data sharing, system benchmarking and test data provisioning. For mixed-type data, existing synthesizers largely target dense, fixed-schema tables, but …

相关实体

相关话题