本研究提出了GraphRPM框架，用于在工业环境中挖掘大型属性图上的风险模式。该工具结合边相关图同构网络和优化的并行计算，降低了计算复杂性，支持有效的风险模式筛选，提升了工业应用的可解释性。

本研究探讨了利用图表示学习在临床环境中识别风险模式的潜力，通过构建主题相似度图。研究展示了图神经网络方法的有效性，提供个性化特征重要性评分，并突出了其在医疗实践中的潜力。