Foundations and modelling of dynamic networks using Dynamic Graph Neural Networks: A survey 动态网络用于广泛的领域，包括社交网络分析、推荐系统和流行病学。将复杂网络表示为随时间变化的结构，网络模型不仅可以利用结构模式，还可以利用时间模式。然而，由于动态网络文学来自不同领域并使用不一致的术语，因此导航具有挑战性。同时，图神经网络 (GNN) 近年来因其在一系列网络科学任务（例如链接预测和节点分类）上表现出色的能力而受到广泛关注。尽管图神经网络很流行并且动态网络模型的好处已经得到证实，但很少有人关注用于动态网络的图神经网络。为了解决这项研究跨越不同领域以及调查动态图神经网络这一事实所带来的挑战，这项工作分为两个主要部分。首先，为了解决动态网络术语的歧义，我们建立了具有一致、详细的术语和符号的动态网络基础。其次，我们使用所提出的术语对动态图神经网络模型进行了全面调查。