11:05arXiv cs.LG@Lixing Zhang, Yidong Ouyang, Weifu Li, Shixiang Zhu, Guang Cheng, Liyan Xie传统缺失值填补方法假设所有缺失都是随机且应被恢复,但现实中缺失可能来自两种不同来源:有意义缺失(数据本身不存在)和观测缺失(应被填补)。研究者提出Diff-Joint,一个基于扩散的框架,联合建模表格数据与潜在缺失掩码,通过条件采样和不确定性感知聚合迭代优化填补值与缺失标签。实验表明,该方法能有效识别有意义缺失,同时保持竞争性填补精度并提升下游任务性能。论文缺失值填补扩散模型不确定性感知表格数据Diff-Joint推荐理由:处理表格数据的团队终于有了区分“不该填”和“该填”缺失值的工具——Diff-Joint解决了传统填补方法盲目恢复所有缺失的痛点,做数据清洗或医疗、金融等缺失值有语义含义的开发者可以直接试。原文
12:14arXiv cs.LG@M. Ross Kunz, John Merickel, Keith Wilson该论文提出一种针对数值表格数据集的统计嵌入方法,通过结构化探索性数据分析描述符、预训练句子变换器和典型相关分析(CCA)实现跨数据集相似性检索与可解释对齐。方法无需共享变量名或特征约定,能自动识别驱动对齐的关键统计描述符,并支持差分隐私保护。在15个数据集(涵盖通用基准、材料信息学和核级石墨表征)上评估,P@1分数达0.9,检索和聚类结构鲁棒。该框架为异构数值数据集成到检索增强生成(RAG)流水线提供了统计上下文保留的路径,适用于数据驱动算法选择和模拟模型初始化。论文统计嵌入表格数据典型相关分析检索增强生成差分隐私推荐理由:做数据科学或材料信息学的团队终于有了一个无需统一变量名就能对齐异构表格数据的方法,检索准确率高达0.9还支持隐私保护,做RAG或算法选择的开发者可以直接参考。原文