通过随机微分方程(SDE)基于得分的建模已对扩散模型有了新的视角,并在连续数据上证明了出色的绩效。但是,log-likelihood函数的梯度,即,分数函数未正确定义用于离散空间。这使得将基于得分的建模调整为分类数据并不乏味。在本文中,我们通过引入随机跳跃过程将反向过程通过连续的Markov链进行反向过程来扩散变量。此公式在向后采样期间接受分析模拟。要学习反向过程,我们将分数匹配扩展到一般的分类数据,并表明可以通过简单的条件边缘分布来获得公正的估计器。我们演示了构成方法在一组合成和现实世界的音乐和图像基准中的有效性。