Copertina

Evaluating Inter-Column Logical Relationships in Synthetic Tabular Data Generation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Long, Yunbo, Xu, Liming, Brintrup, Alexandra
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

LLM-TabLogic: Preserving Inter-Column Logical Relationships in Synthetic Tabular Data via Prompt-Guided Latent Diffusion
di: Long, Yunbo, et al.
Pubblicazione: (2025)

Efficient and Privacy-Preserved Link Prediction via Condensed Graphs
di: Long, Yunbo, et al.
Pubblicazione: (2025)

PA-CFL: Privacy-Adaptive Clustered Federated Learning for Transformer-Based Sales Forecasting on Heterogeneous Retail Data
di: Long, Yunbo, et al.
Pubblicazione: (2025)

Random Walk Guided Hyperbolic Graph Distillation
di: Long, Yunbo, et al.
Pubblicazione: (2025)

Generating Logically Consistent Synthetic Supply Chain Data with LLM-Driven Knowledge Graph Reasoning
di: Long, Yunbo, et al.
Pubblicazione: (2026)

Self-Improving Tabular Language Models via Iterative Reward-Guided Post-Training
di: Long, Yunbo, et al.
Pubblicazione: (2026)

SynDelay: A Synthetic Dataset for Delivery Delay Prediction
di: Xu, Liming, et al.
Pubblicazione: (2025)

Topological Federated Clustering via Gravitational Potential Fields under Local Differential Privacy
di: Long, Yunbo, et al.
Pubblicazione: (2025)

Structured Evaluation of Synthetic Tabular Data
di: Yang, Scott Cheng-Hsin, et al.
Pubblicazione: (2024)

TuneNSearch: a hybrid transfer learning and local search approach for solving vehicle routing problems
di: Corrêa, Arthur, et al.
Pubblicazione: (2025)

A Comprehensive Survey of Synthetic Tabular Data Generation
di: Shi, Ruxue, et al.
Pubblicazione: (2025)

Evaluating Synthetic Tabular Data Generated To Augment Small Sample Datasets
di: Marin, Javier
Pubblicazione: (2022)

Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
di: Sidorenko, Andrey, et al.
Pubblicazione: (2025)

TAEGAN: Generating Synthetic Tabular Data For Data Augmentation
di: Li, Jiayu, et al.
Pubblicazione: (2024)

EmoDebt: Bayesian-Optimized Emotional Intelligence for Strategic Agent-to-Agent Debt Recovery
di: Long, Yunbo, et al.
Pubblicazione: (2025)

Hierarchical Conditional Tabular GAN for Multi-Tabular Synthetic Data Generation
di: Ågren, Wilhelm, et al.
Pubblicazione: (2024)

Diffusion Models for Tabular Data Imputation and Synthetic Data Generation
di: Villaizán-Vallelado, Mario, et al.
Pubblicazione: (2024)

Towards Robust Continual Learning with Bayesian Adaptive Moment Regularization
di: Foster, Jack, et al.
Pubblicazione: (2023)

Robust Spectral Watermark for Synthetic Tabular Data
di: Zhao, Yizhou, et al.
Pubblicazione: (2025)

FEST: A Unified Framework for Evaluating Synthetic Tabular Data
di: Niu, Weijie, et al.
Pubblicazione: (2025)

Memisis: Orchestrating and Evaluating Synthetic Data for Tabular Health Datasets
di: Nagesh, Nitish, et al.
Pubblicazione: (2026)

CARTGen-IR: Synthetic Tabular Data Generation for Imbalanced Regression
di: Pinheiro, António Pedro, et al.
Pubblicazione: (2025)

What's Wrong with Your Synthetic Tabular Data? Using Explainable AI to Evaluate Generative Models
di: Kapar, Jan, et al.
Pubblicazione: (2025)

Using Reinforcement Learning for the Three-Dimensional Loading Capacitated Vehicle Routing Problem
di: Schoepf, Stefan, et al.
Pubblicazione: (2023)

Synthetic Tabular Data Generation: A Comparative Survey for Modern Techniques
di: Challagundla, Raju, et al.
Pubblicazione: (2025)

Structural Consequences of Policy-Based Interventions on the Global Supply Chain Network
di: Karbevska, Lea, et al.
Pubblicazione: (2026)

CuTS: Customizable Tabular Synthetic Data Generation
di: Vero, Mark, et al.
Pubblicazione: (2023)

How Realistic Is Your Synthetic Data? Constraining Deep Generative Models for Tabular Data
di: Stoian, Mihaela Cătălina, et al.
Pubblicazione: (2024)

Benchmarking Synthetic Tabular Data: A Multi-Dimensional Evaluation Framework
di: Sidorenko, Andrey, et al.
Pubblicazione: (2025)

Synthetic Tabular Data Generation for Imbalanced Classification: The Surprising Effectiveness of an Overlap Class
di: D'souza, Annie, et al.
Pubblicazione: (2024)

TabSynDex: A Universal Metric for Robust Evaluation of Synthetic Tabular Data
di: Chundawat, Vikram S, et al.
Pubblicazione: (2022)

Potion: Towards Poison Unlearning
di: Schoepf, Stefan, et al.
Pubblicazione: (2024)

Parameter-tuning-free data entry error unlearning with adaptive selective synaptic dampening
di: Schoepf, Stefan, et al.
Pubblicazione: (2024)

Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach
di: Schoepf, Stefan, et al.
Pubblicazione: (2023)

FASTGEN: Fast and Cost-Effective Synthetic Tabular Data Generation with LLMs
di: Nguyen, Anh, et al.
Pubblicazione: (2025)

Is API Access to LLMs Useful for Generating Private Synthetic Tabular Data?
di: Swanberg, Marika, et al.
Pubblicazione: (2025)

Risk In Context: Benchmarking Privacy Leakage of Foundation Models in Synthetic Tabular Data Generation
di: Byun, Jessup, et al.
Pubblicazione: (2025)

Towards a Relationship-Aware Transformer for Tabular Data
di: Konstantinov, Andrei V., et al.
Pubblicazione: (2025)

SynthEval: A Framework for Detailed Utility and Privacy Evaluation of Tabular Synthetic Data
di: Lautrup, Anton Danholt, et al.
Pubblicazione: (2024)

What if? Causal Machine Learning in Supply Chain Risk Management
di: Wyrembek, Mateusz, et al.
Pubblicazione: (2024)