针对graph的研究可以分为三类：
1.经典的graph算法，如生成树算法，最短路算法，复杂一点的二分图匹配，费用流问题等等；
2.概率图模型，将条件概率表达为图结构，并进一步挖掘，典型的有条件随机场等
3.图神经网络，研究图结构数据挖掘的问题，典型的有graph embedding，graph CNN等
本文主要针对图神经网络，介绍一些最近几年该领域的一些研究进展。由于应用很广泛(主要是社交网络发展和知识图谱的推动)，以及受到深度学习在其他领域成功的启示，这个方向是目前机器学习领域最火的方向之一了，今年kdd2018中31篇tutorials里面有9篇是关于graph的，bestpaper也是关于graph的，论文名字叫做：adversarial attacks onclassification models for graphs. 可见学术界和工业界的热情。
本文首先介绍graph Embedding，为结构化的graph生成分布式表示；然后介绍graph convolutional network(图卷积)，最后简单介绍基于图的序列建模。
