BGM-HAN：用于半结构化档案准确且公平决策评估的分层注意网络
机器学习
2025-07-24 v1 人工智能
信息检索
摘要
高风险领域的人类决策往往依赖专业知识和启发式方法，但易受难以察觉的认知偏见影响，这些偏见可能威胁公平性和长期后果。本文提出一种新方法，通过集成分层学习及多项改进，来增强复杂决策流程。我们以大学 admissions 为典型高风险领域，提出 BGM-HAN——一种增强型字节对编码、门控多头分层注意网络，旨在有效建模半结构化申请人数据。BGM-HAN 能捕捉至关重要的多层次表征，提升解释性和预测性能。实验结果表明，我们的模型在真实录取数据上显著优于从传统机器学习到大型语言模型的各类最先进基线方法，为结构、情境和公平性至关重要的领域决策增量提供了有前景的框架。源码已公开：https://github.com/junhua/bgm-han。
引用
@article{arxiv.2507.17472,
title = {BGM-HAN: A Hierarchical Attention Network for Accurate and Fair Decision Assessment on Semi-Structured Profiles},
author = {Junhua Liu and Roy Ka-Wei Lee and Kwan Hui Lim},
journal= {arXiv preprint arXiv:2507.17472},
year = {2025}
}
备注
Accepted at ASONAM 2025