يقترح المؤلفون Semantic Pareto-DQN، وهو إطار تعلم معزز متعدد الأهداف مصمم لمعالجة عدم التوازن الشديد للفئات وانهيار اكتشاف الاحتيال في الكشف عن الشذوذ المالي. يقوم النظام بدمج سمات المعاملات المتباينة في سرديات باللغة الطبيعية مشفرة بواسطة نماذج لغوية كبيرة لإنشاء تمثيلات حالة قوية.
- يحسن مكافأة متجهة تفصل بين الفعالية المالية، والاحتكاك التشغيلي، والاكتشاف الدلالي.
- يحدد الحدود الباريتية المستمرة للتنقل ديناميكياً بين تكاليف الشذوذ الفائت والإيجابيات الكاذبة.
- يحقق استدعاءً فائقاً للفئة الأقلية في بيانات احتيال التجارة الإلكترونية ومجموعة بيانات UCI Credit مقارنة بالأسس المرجعية ذات القيمة القياسية.
يوفر هذا النهج بديلاً لإعادة أخذ العينات من خلال موازنة اعتراض الشذوذ مع احتكاك العميل دون تشويه توزيع البيانات الأساسي.