计算机研究与发展

作者：宋珂慧,张莹,张江伟,袁晓洁,

关键词：深度学习, 生成模型, 神经网络, 生成式对抗网络, 分类,

在机器学习和数据库等领域，高质量数据集的合成一直以来是一个非常重要且充满挑战性的问题.其中，合成的高质量数据集可用来改善模型，尤其是深度学习模型的训练过程.一个健壮的模型训练过程需要大量已标注的数据集，获取这些数据集的一种方法是通过领域专家的手动标注，这种方法不仅代价大还容易出错，因此由模型自动合成高质量数据集的方法更为合理.近年来，由于计算机视觉领域的飞速发展，已经有不少致力于图像数据集合成的研究，但是这些模型不能直接应用在结构化数据表上，并且据调研，对这类数据的相关研究几乎没有.因此，提出了一个针对结构化数据表的生成模型TableGAN，该模型是生成式对抗网络(generativeadversarialnetwork,GAN)家族的一种变体，通过对抗训练的方式提高生成模型的性能.针对结构化数据的特征改变了传统GAN模型的内部结构，包括优化函数等，使其能够生成高质量的结构化数据用于改善模型的训练过程.通过在真实数据集上的大量实验表明了此模型的有效性，即在扩大后的数据集上训练模型的效果有明显提升.

来源：2019年第9期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2019年第9期