Causality for Tabular Data Synthesis: A High-Order Structure Causal Benchmark Framework

表格合成模型仍然无法捕捉复杂的依赖关系，合成数据的质量仍然不足以支持全面的下游任务，例如在分布转移、自动化决策和跨表理解等方面的预测。一个主要的挑战是缺乏有关表格数据基础结构和高阶关系的先前知识。我们认为，对表格数据合成的高阶结构信息进行系统评估是解决问题的第一步。在本文中，我们将高阶结构因果信息作为自然先验知识，并提供了一个基准框架来评估表格合成模型。该框架允许我们生成具有灵活的数据生成过程范围的基准数据集，并使用这些数据集训练表格合成模型以进行进一步的评估。我们提出了多个基准任务、高阶指标和因果推断任务作为评估训练模型生成的合成数据质量的下游任务。我们的实验演示了如何利用基准框架来评估模型捕捉高阶结构因果信息的能力。此外，我们的基准结果提供了对现有表格合成模型的初步评估。它们明确揭示了理想表现和实际表现之间的显著差距以及基线方法的差异。我们的基准框架可在 https://github.com/TURuibo/CauTabBench 上获得。

本论文旨在解决表格数据合成中的高阶结构缺失问题，提出了一种以高阶结构因果信息为先验知识的表格数据合成方法，并提供了一个基准框架来评估合成模型的质量。

本论文的关键思路是利用高阶结构因果信息作为先验知识，提出了一种新的表格数据合成方法，并设计了多个基准任务和因果推断任务来评估模型的性能。

本论文提供了一个基准框架，可以生成具有不同数据生成过程的基准数据集，并使用这些数据集来训练表格数据合成模型进行进一步评估。实验结果表明，本文提出的方法在捕捉高阶结构因果信息方面具有优势。此外，本文还评估了当前表格数据合成模型的性能，并揭示了当前方法与理想性能之间的差距。

目前在这个领域中，一些相关的研究包括：《Deep Learning for Tabular Data: A Review》、《Data Augmentation using Generative Adversarial Networks (GANs) for Improved Generalization in Healthcare Applications》等。