本研究系统分析了图学习与增强机器学习结合所带来的公平性挑战，揭示了复杂学习机制对模型公平性的影响，可能导致高风险应用中的歧视性结果，并探讨了提高GL-ML方法公平性的关键技术，为未来研究奠定基础。