随着大规模图的日益普及，在提取、处理和解释大型图数据方面出现了越来越多的计算挑战。因此，寻找方法来总结这些扩展图，同时保留它们的关键特征是很自然的。在过去，大多数图形摘要技术都试图从统计上捕捉图形中最重要的部分。然而，今天，现代图数据的高维和复杂性使得深度学习技术更加流行。因此，本文对基于图神经网络(gnn)的深度学习总结技术的进展进行了全面的综述。我们的研究包括对当前最先进的方法的回顾，包括循环