{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2024,3,26]]，“日期-时间”：“2024-03-26T01:49:57Z”，“时间戳”：1711417797887}，“引用-计数”：0，“发布者”：“人工智能发展协会（AAAI）”，“问题”：“19”，“内容域”：{“域”：[]，“交叉标记限制”：false}，“short container-title”：[“AAAI”]，“抽象”：“不同私有（DP）合成数据集一直受到学术界、工业界和政府的高度关注。然而，对于如何使用DP合成数据集进行统计推断，人们知之甚少。不考虑DP机制导致的不确定性的天真方法将导致有偏估计和无效推断。本文通过建立加性DP机制和测量误差模型之间的联系，提出了一类基于最大似然估计量（MLE）的易于实现的偏差修正DP估计量，其参数在回归设置下具有有效的渐近置信区间（CI）。我们的仿真表明，在某些情况下，我们的估计器的性能与广泛使用的充分统计扰动（SSP）算法相当，但其优点是可以释放合成数据集并获得统计上有效的渐近CI，与通过忽略DP机制获得的原始CI相比，它可以实现更好的覆盖<\/jats:p>“，”DOI“：”10.1609\/aai.v38i1930114“，”type“：”期刊文章“，”created“：｛”日期部分“：[[2024,3,25]，”日期时间“：”2024-03-25T12:24:25Z“，”时间戳“：1711369465000｝，”page“：”21206-21213“，”source“：”Crossref“，”被计数引用“：0，”title“：[”私人合成数据差异分析：一种测量误差方法“]，”prefix“：”10.1609“，”卷“：”38“，”作者“：[{”给定“：”杨迪“，”家庭“：”江“，”序列“：”第一“，”从属“：[]}，{”给出“：”易“，”家族“：”刘“，”顺序“：”附加“，”隶属“：[]}，“给定”：“小东”，“家庭”：“燕”，“序列”：“附加”，“从属”：[]{，“已知”：“安-索菲”，“家族”：“Charest”，“sequence”：“additional”，“隶属关系”：[]}，{“给定”：“玲珑”，“family“：”Kong“，”sequence“：”additional“，”affiliation“：[]}，”{“given”：“Bei”，“family”：“Jiang”，“sequence”：“additional”，“affiliation:[]}]，”member“：”9382“，”published-on-line“：https:\/\/ojs.aaai.org\/index.php\/aaai\/aarticle\/download\/30114\/31968“，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\//ojs.aaai.org\/index.php\/aaai\/article\/ownload\/30114\/31969”，“内容类型”：“未指定”，“content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”https:\/\/ojs.aaai.org\/index.php\/aaai\/aarticle\/download\/30114\/31968“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,3,25]]，”date-time“：URL“：”https:\/\/ojs.aaai.org\/index.php\/aaai\/article\/view\/30114“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2024,3,24]]}，“引用计数”：0，”日志发布“：}”问题“：“19”，“发布在线”：{“日期部分”：[2024，3,25]]}}、“URL”：“http://\/dx.doi.org\/10.1 609 \/aaai.v38i19.30114“，”关系“：{}，”ISSN“：[”2374-3468“，”2159-5399“]，”issn-type“：[{”value“：“2374-3468”，“type”：“electronic”}，{”value“：“2159-5399”，“type”：“print”}]，“subject”：[]，“published”：{”date-parts“：[2024,3,24]]}}}