Données Synthétiques pour un Pays Imaginaire, Population complète, 2023

Un fichier hiérarchique (relationel) destiné à des fins de simulation ou de formation

Le jeu de données a été généré à l'aide de REaLTabFormer, un modèle génératif hiérarchique à quatre niveaux. Le modèle de premier niveau est le générateur de composition du ménage, qui génère des variables qui définissent la composition de chaque ménage (taille du ménage et profil démographique de base des membres, y compris l'âge et le lien avec le chef de ménage). Le modèle de deuxième niveau est le générateur de variables au niveau du ménage, qui génère les variables dont les valeurs sont communes à tous les membres du ménage (telles que les caractéristiques du logement) en fonction de la composition du ménage. Le modèle de troisième niveau est le générateur du chef de ménage, qui génère des observations pour le chef de ménage sur la base de la sortie des deux modèles précédents. Le modèle de quatrième niveau est le générateur de membres du ménage, qui génère des données sur les membres du ménage, à l'exclusion du chef, pour les ménages de taille deux et plus. Le modèle de générateur de membre du ménage utilise les données générées par la composition du ménage, les variables au niveau du ménage et les modèles de générateur de chef de ménage. Ce modèle hiérarchique fournit des dépendances relationnelles au sein d'un ménage qui ne seraient pas garanties si tous les enregistrements étaient générés indépendamment.

Pour implémenter les différents modèles, nous avons adopté une architecture de transformateur. Le générateur de composition de ménage est un modèle de décodeur qui génère des données à partir d'un bruit normalement distribué. Les trois autres modèles utilisent un modèle séquence à séquence inspiré de l'application de l'apprentissage en profondeur à la traduction linguistique.

Des informations plus détaillées sont disponibles dans la documentation technique fournie sous forme de document PDF externe.