Graph Learning是一个利用“图”（Graph）信息来进行机器学习的领域。这个领域在过去的20-25年里，经历过多次的重大革新。1998年，Google的创始人Larry Page和 Sergey Brin 发表的PageRank算法和Jon Kleinberg提出HITS algorithm（http://t.cn/A6ng5vMz），搜索引擎算法早期的辉煌就来自于对于图算法的突破。2000年代到2010年左右，图算法又有了很多新的革新，比如把Graph Laplacian的思路、比如把Modularity（http://t.cn/A6ng5vMZ)）的思路引进到图算法，都为图算法的第二次腾飞打下了基础。目前基于Neural Networks的图学习可以算是图学习的第三次高速发展。

在ICML 2024上Adrián Arnaiz-Rodríguez和AmeyaVelingker做了一个叫“Graph Learning: Principles, Challenges, and Open Directions”的讲座（http://t.cn/A6ng5vMw）。整个讲座可以说是把Graph Learning的重要前世今生，包括很多第一次和第二次浪潮中的重要概念，比如Random Walk、Spectral Graph Theory等都有比较深入浅出的讨论。同时，这个讲座对于GNN，以及最新的很多图学习的发展也是有很深入的探讨，对于图学习有兴趣的读者， 建议精读这个讲座内容。