論文の概要: Beyond Distribution Matching: Semantics-Consistent Tabular Diffusion with Weak Semantic Priors

• arxiv url: http://arxiv.org/abs/2609.16069v1
• Date: Sun, 13 Sep 2026 14:42:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.122744
• Title: Beyond Distribution Matching: Semantics-Consistent Tabular Diffusion with Weak Semantic Priors
• Title（参考訳）: 分布マッチングを超えて: 弱セマンティック前駆体を用いたセマンティック一貫性タブラル拡散
• Abstract要約: 我々のフレームワークは、弱い指定されたセマンティクスの前提の下で、高忠実な合成データ生成のためのセマンティクスに一貫性のあるフレームワークです。 実世界の6つのベンチマーク実験により、分散の忠実度、セマンティックな一貫性、下流のタスクユーティリティが一貫して改善されていることが示された。
• 参考スコア（独自算出の注目度）: 35.18087118865049
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Synthetic tabular data can match real data distributions while still violating the semantic constraints that govern valid tabular rows. This reveals a key limitation of existing tabular generators: they mainly optimize distributional fidelity, but do not explicitly model weak semantic priors encoded in tabular schema and textual descriptions. In this paper, we propose \ours, a semantics-consistent tabular diffusion framework for high-fidelity synthetic data generation under weakly specified semantic priors. \ours\ first constructs two types of priors, namely intra-column semantics and inter-column symbolic rules, with LLM-assisted extraction from metadata and validation on the real training split. These priors are then used as generation conditions rather than post-hoc filters. Specifically, \ours\ maps heterogeneous column values, column identities, and semantic priors into a unified semantic space, and performs column-wise forward corruption and prior-conditioned reverse denoising to preserve both marginal distributions and rule-consistent cross-column dependencies. Extensive experiments on six real-world tabular benchmarks show that \ours\ consistently improves distributional fidelity, semantic consistency, and downstream task utility over representative VAE-, GAN-, LLM-, and diffusion-based baselines. Additional analyses further demonstrate the robustness of \ours\ when semantic priors are partially unavailable.
• Abstract（参考訳）: 合成表データは、有効な表行を管理するセマンティック制約を違反しながら、実際のデータ分布と一致させることができる。 主に分布の忠実度を最適化するが、表スキーマやテキスト記述にエンコードされた弱いセマンティック先行を明示的にモデル化しない。 本稿では, セマンティクスに一貫性のある表層拡散フレームワークである \ours を提案する。 最初はカラム内セマンティクスとカラム間シンボリックルールという2つのプリエントを構築し、LCMがメタデータから抽出し、実際のトレーニングスプリットの検証を行う。 これらの事前条件は、ポストホックフィルタではなく、生成条件として使用される。 具体的には、 \ours\ は不均一な列の値、列のアイデンティティ、セマンティック事前を統一的なセマンティック空間にマッピングし、カラムの前方の汚職と事前条件付きリバースデノゲーションを実行し、境界分布とルールに一貫性のあるクロスカラム依存の両方を保存する。 6つの実世界の表型ベンチマークの大規模な実験により、 \ours\ はVAE-, GAN-, LLM-, 拡散ベースラインよりも分布の忠実さ、セマンティック一貫性、下流タスクユーティリティを一貫して改善することが示された。 さらなる分析により、セマンティック事前が部分的に利用できない場合に \ours\ のロバスト性をさらに示している。

関連論文リスト

• Enhancing Tabular Learners with Context-Aware Semantic Embeddings [1.6381263995389714]
  本稿では,Large Language Models (LLM) の意味的理解と表型学習者の統計的能力のギャップを埋める新しいフレームワークを提案する。 カスタムトレーニングされたGemma 3ベースのタブラル言語モデルのKVキャッシュに行の代表的なサンプルを埋めて、データセットのセマンティクスの永続的なアンカーを確立する。
  論文  参考訳（メタデータ） (2026-08-04T12:29:37Z)
• Rank-Aware Hyperbolic Alignment for Vision-Language Dataset Distillation [54.74045834035952]
  視覚言語データセット蒸留(VLDD)は、大きな画像テキストのペア化されたデータセットを小さな合成ペアに圧縮する。 階層幾何学と明示的なアライメント・キャパシティ制御を組み合わせたランク認識型双曲アライメント(RAHA)を提案する。 RAHAは、競争力のあるクロスモーダル検索と、固定予算下での転送インジケータの改善を示す。
  論文  参考訳（メタデータ） (2026-06-28T15:41:31Z)
• Generating Logically Consistent Synthetic Supply Chain Data with LLM-Driven Knowledge Graph Reasoning [51.78065387034195]
  本稿では,論理的に一貫した合成サプライチェーンデータ生成のための知識グラフ誘導フレームワークであるtextbftextitTabKGを紹介する。
  論文  参考訳（メタデータ） (2026-05-26T10:41:37Z)
• Tabular Foundation Model for Generative Modelling [34.3599321018728]
  生成モデリングは、教師付き予測対象のみを最適化するのではなく、与えられたデータモダリティに対して堅牢で全体論的表現学習を必要とする。 既存の表形式のファンデーションジェネレータは、合成データ品質において、強力なデータセット固有のジェネレータと一貫して一致していない。 事前訓練されたtextbfTabular textbffoundational textbfRepresentation for textbfGEneration 上に構築した TabFORGE を紹介する。
  論文  参考訳（メタデータ） (2026-05-10T08:52:28Z)
• TabSCM: A practical Framework for Generating Realistic Tabular Data [22.41489215805826]
  因果依存性を保存する混合型ジェネレータであるTabSCMを提案する。 7つの公開データセットでは、TabSCMは最先端のGAN、拡散、LLMベースラインを統計的忠実度で一致または超えている。 生成は明示的な方程式に分解されるので、拡散のみのモデルよりも583$times$高速に実行される。
  論文  参考訳（メタデータ） (2026-04-24T08:10:01Z)
• TabEmb: Joint Semantic-Structure Embedding for Table Annotation [3.03279900330493]
  テーブルアノテーションは、下流のNLPアプリケーションで使えるWebおよびエンタープライズテーブルを作るのに不可欠である。 既存のモデルは、2Dテーブルを1Dトークンシーケンスに線形化し、事前訓練された言語モデルでエンコードすることで学習する。 本研究では,構造モデリングからセマンティックエンコーディングを分離することで,これらの制約を直接ターゲットとするTabEmbを提案する。
  論文  参考訳（メタデータ） (2026-04-21T00:25:49Z)
• Diffusion-nested Auto-Regressive Synthesis of Heterogeneous Tabular Data [56.48119008663155]
  本稿では,これらの問題に対処する拡散型自己回帰モデル(TabDAR)を提案する。 異なる特性を持つ10のデータセットに対して広範な実験を行い、提案したTabDARは3つの異なる側面にわたる8つの指標に対して、従来の最先端手法を18%から45%上回っている。
  論文  参考訳（メタデータ） (2024-10-28T20:49:26Z)
• On the Sentence Embeddings from Pre-trained Language Models [78.45172445684126]
  本稿では,BERT埋め込みにおける意味情報が完全に活用されていないことを論じる。 BERTは常に文の非滑らかな異方性意味空間を誘導し,その意味的類似性を損なう。 本稿では,非教師対象で学習した正規化フローにより,異方性文の埋め込み分布を滑らかで等方性ガウス分布に変換することを提案する。
  論文  参考訳（メタデータ） (2020-11-02T13:14:57Z)
• Compressive Summarization with Plausibility and Salience Modeling [54.37665950633147]
  本稿では,候補空間に対する厳密な構文的制約を緩和し,その代わりに圧縮決定を2つのデータ駆動基準,すなわち妥当性とサリエンスに委ねることを提案する。 提案手法は,ベンチマーク要約データセット上で強いドメイン内結果を得るとともに,人間による評価により,文法的および事実的削除に対して,可算性モデルが一般的に選択されることを示す。
  論文  参考訳（メタデータ） (2020-10-15T17:07:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。