Odin：面向知识图谱的多信号图智能引擎，用于自主发现

我们提出 Odin，这是首个在知识图谱中进行无需预先指定的自主发现有意义模式的图智能引擎。不同于回答预定义查询的检索式系统，Odin 通过 COMPASS（Composite Oriented Multi-signal Path Assessment）得分引导探索，这是一种新颖度量方法，将 (1) 通过个人化 PageRank 计算的结构重要性、(2) 采用神经概率逻辑学习（NPLL）作为判别式过滤器的语义合理性、(3) 带可配置衰减的时序相关性，以及 (4) 通过 GNN 识别的桥接实体和社区间亲和度得分实现的社区感知引导。这种多信号集成，特别是桥接评分机制，解决了图探索被困于密集局部社区中的“回声室”问题。我们形式化了自主发现问题，证明了评分函数的理论属性，表明带多信号引导的束搜索在保持高召回率的同时实现 $O(b \cdot h)$ 的复杂度。迄今为止，Odin 是首个在受监管生产环境（医疗保健和保险）中部署的自主发现系统，显著提升了模式发现质量和分析师效率。我们的方案保持完整的来源可追溯性——这是受监管行业中不可容忍 hallucination 的关键要求。