ベイズ校正によるベア関係データの自己強化型・制御可能な合成

要旨: 不均衡データは現実のアプリケーションで一般的に見られます。データ合成によって、稀なクラスにおけるデータ不足問題を効果的に緩和できる一方で、LLMはテキスト生成を革新してきましたが、関係データ／構造化された表データの合成にLLMを適用することは、依然として十分に研究されていません。さらに、既存の手法には、合成プロセス全体を通じて生成データの品質を継続的に最適化する方向へLLMを導くための、有効なフィードバック機構が欠けています。本研究では、RDDG（Relational Data generator with Dynamic Guidance：動的ガイダンス付き関係データ生成器）を提案します。RDDGは、下流の不均衡分類性能を向上させるために表データを生成する、統一的なインコンテキスト学習フレームワークであり、進行的なチェーン・オブ・ソート（CoT）のステップを用います。RDDGはまず、コアセット選択により元データから代表サンプルを特定し、次にインコンテキスト学習を用いて、コアセット内の属性間に潜在するパターンと相関関係を見出し、その後、前述の制約を保持しながら表データを生成します。さらに重要なのは、生成されたデータの品質に対する自動評価を行う自己強化型のフィードバック機構を組み込み、生成プロセスを通して継続的な品質最適化を可能にする点です。複数の実データセットおよび合成データセットに関する実験結果は、RDDGがデータ忠実度と下流の不均衡分類性能の両面で、既存手法を上回ることを示しています。コードは https://github.com/cszhangLMU/RDDG で公開しています。