Neues Verfahren verbessert Qualität und Datenschutz bei synthetischen Tabellendaten
Forscher haben ein einfaches, modellunabhängiges Nachbearbeitungsverfahren entwickelt, das die Qualität und den Datenschutz synthetischer Tabellendaten deutlich steigert. Durch gezielte Korrekturen fehlender Kategorien und die Entfernung von zu realen Daten ähnlichen Einträgen wird die Übereinstimmung mit den Originaldaten verbessert, ohne die erlernten Zusammenhänge zu zerstören.
