.png){kind=icon}
返回
Optimizing Collection Processes Using Conservative Q-Learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.130593.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们不仅考虑资金收集，还考虑为收集所采取行动的流失效应
• 我们开发基于个体的策略，而非基于分段的策略
• 我们首次在文献中在此背景下使用约束Q学习算法
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
引用论文
A novel collection optimisation solution maximising long-term profits: a case study in an international bank一种最大化长期利润的新型集合优化解决方案：denizbank 案例研究
PREAI
分享收藏
分享收藏Sivamayilvelan, K.; Rajasekar, E.; Vairavasundaram, S.; Balachandran, S.; Suresh, V. Building explainable artificial intelligence for reinforcement learning based debt collection recommender system using large language models. Eng. Appl. Artif. Intell. 2025, 159, 111622. [Google Scholar] [CrossRef]Sivamayilvelan, K.; Rajasekar, E.; Vairavasundaram, S.; Balachandran, S.; Suresh, V. 基于强化学习的债务收集推荐系统，使用大型语言模型构建可解释的人工智能。Eng. Appl. Artif. Intell. 2025, 159, 111622. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏 没有更多内容
没有更多内容