Knowledge-Integrated Representation Learning for Crypto Anomaly Detection under Extreme Label Scarcity; Relational Domain-Logic Integration with Retrieval-Grounded Context and Path-Level Explanations
创建于 更新于
摘要
本论文提出 Relational Domain-Logic Integration (RDLI)，通过将专家型规则构造成可微分的逻辑感知潜信号并与检索-增强的外部语境 (Retrieval-Grounded Context) 联合，解决加密货币交易异常检测中“极度标签稀缺 (0.01%)” 与可解释性需求的双重挑战；在该设置下，RDLI 在 F1 上相较于标准 GNN 基线提升 28.9%，并通过路径级解释显著改善审计可用性与专家信任度（微型专家研究 p<0.001）[page::0][page::4][page::6]。
