多样化群体选择问题
机器学习
2019-03-15 v5
摘要
一家公司应如何分配其有限的面试资源，从大量求职者中选出最优的新员工群体？该公司应如何分配廉价但有噪声的简历筛选和昂贵但深入的面对面面试？我们将这个问题视为多臂老虎机设置中的组合纯探索（CPE）问题，其中中央学习代理在最终选择具有某种组合结构的子集之前，对一组臂进行昂贵的探索。我们将最近的CPE算法推广到臂拉取可以具有不同成本并返回不同信息水平的设置。然后，我们在这个新设置中证明了一类通用臂拉取策略的理论上界。我们将我们的通用算法应用于一个具有组合结构的实际问题：将多样性纳入大学招生。我们使用了美国最大的计算机科学研究生项目之一的实际招生数据，并表明我们的算法模拟产生了一个具有招聘整体效用的群体，同时花费的预算与该大学当前的招生过程相当。
引用
@article{arxiv.1709.03441,
title = {The Diverse Cohort Selection Problem},
author = {Candice Schumann and Samsara N. Counts and Jeffrey S. Foster and John P. Dickerson},
journal= {arXiv preprint arXiv:1709.03441},
year = {2019}
}