يقترح الباحثون 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 بتركيب ميزات المعاملات في سرديات باللغة الطبيعية يتم ترميزها بواسطة نماذج لغوية كبيرة لإنشاء تمثيلات حالة قوية.
- يحسن مكافأة متجهية تفصل بين الفعالية المالية، والاحتكاك التشغيلي، والاكتشاف الدلالي.
- يحدد حدود باريتو المستمرة للتنقل ديناميكياً بين تكاليف الشذوذ الضائع والإيجابيات الكاذبة.
- يحقق استدعاءً أفضل لفئة الأقلية مقارنة بالأساسيات المقيّسة على مجموعات بيانات احتيال التجارة الإلكترونية وائتمان UCI.
يوفر الإطار بديلاً لمقايضة الاحتكاك التشغيلي المحدود لاكتشاف الشذوذ المالي دون استخدام إعادة أخذ العينات المشوّهة للبيانات.