利用生成对抗网络在招聘市场中提供可操作反馈
机器学习
2020-10-07 v1 人工智能
摘要
机器学习预测器已日益应用于生产环境，包括在全球最大的招聘平台之一 Hired 中，以提供更好的候选人与招聘方体验。提供可操作反馈的能力对于候选人提升其在市场中取得成功的机会是理想的。然而，迄今为止，旨在提供可操作反馈的方法在真实性与延迟方面存在局限。在本工作中，我们展示了通过应用一种基于生成对抗网络(GANs)的新近引入方法，如何克服这些局限并在生产环境中实时向候选人提供可操作反馈。我们的实验结果凸显了在我们的数据集上采用基于 GAN 的方法相对于另外两种最先进方法(包括超过 1000 倍的延迟提升)的显著益处。我们还通过两个真实候选人档案示例详细说明了该方法的潜在影响。
引用
@article{arxiv.2010.02419,
title = {Providing Actionable Feedback in Hiring Marketplaces using Generative Adversarial Networks},
author = {Daniel Nemirovsky and Nicolas Thiebaut and Ye Xu and Abhishek Gupta},
journal= {arXiv preprint arXiv:2010.02419},
year = {2020}
}
备注
5 pages, 2 figures