WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2017180608) PERFORMANCE MODEL ADVERSE IMPACT CORRECTION
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2017/180608 International Application No.: PCT/US2017/026984
Publication Date: 19.10.2017 International Filing Date: 11.04.2017
IPC:
G06Q 10/06 (2012.01) ,G06F 15/18 (2006.01) ,G06F 17/00 (2006.01)
Applicants: HIREVUE, INC.[US/US]; 10876 S. River Front Parkway Suite 500 South Jordan, Utah 84095, US
Inventors: LARSEN, Loren; US
TAYLOR, Benjamin; US
Agent: GRANGE, Kevin O.; US
GREENE, Nathan O.; US
Priority Data:
15/277,76927.09.2016US
62/321,58512.04.2016US
Title (EN) PERFORMANCE MODEL ADVERSE IMPACT CORRECTION
(FR) CORRECTION D'IMPACT INDÉSIRABLE DE MODÈLE DE PERFORMANCE
Abstract: front page image
(EN) Technology for training a predictive model is described. A processing device collects digital interview data including features identified from candidate interviews. A model training tool selects a data set of the digital interview data. The data set includes a predicted performance outcome and an actual performance outcome for each of a plurality of candidates. The model training tool determines an error metric for each of the plurality of candidates. The error metric includes a relationship between the predicted performance outcome and the actual performance outcome for each candidate. The model training tool determines a number of candidates whose digital interview data includes a feature corresponding to a protected class. The model training tool normalizes an effect of each candidate on the error metric based on the corresponding protected class and applies the normalized error metric to reduce bias in the predictive model with respect to the protected class.
(FR) L'invention concerne une technologie d'entraînement d'un modèle prédictif. Un dispositif de traitement collecte des données d'entretien numériques comprenant des caractéristiques identifiées à partir d'entretiens candidats. Un outil d'entraînement de modèle sélectionne un ensemble de données des données d'entretien numériques. L'ensemble de données comprend un résultat de performance prédit et un résultat de performance réelle pour chacun d'une pluralité de candidats. L'outil d'entraînement de modèle détermine une mesure d'erreur pour chacun de la pluralité de candidats. La mesure d'erreur comprend une relation entre le résultat de performance prédit et le résultat de performance réel pour chaque candidat. L'outil d'entraînement de modèle détermine un nombre de candidats dont les données d'entretien numériques comprennent une caractéristique correspondant à une classe protégée. L'outil d'entraînement de modèle normalise un effet de chaque candidat sur la mesure d'erreur sur la base de la classe protégée correspondante et applique la mesure d'erreur normalisée pour réduire les biais dans le modèle prédictif par rapport à la classe protégée.
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)