본 논문은 그래프 데이터의 복잡한 관계를 분석하는 데 중요한 역할을 하는 그래프 학습에 대해 다룬다. 특히, 컴퓨터 비전(CV)과 자연어 처리(NLP) 분야에서 성공적인 기반 모델들이 보여준 도메인 간 전이 능력에 착안하여, 도메인 간 그래프 학습에 대한 종합적인 검토 및 분석을 제공한다. 기존의 그래프 학습 접근 방식이 도메인 간 과제에 어려움을 겪는다는 점을 지적하며, 새로운 분류 체계를 제시하여 학습된 도메인 간 정보(구조, 특징, 구조-특징 혼합)에 따라 기존 접근 방식을 범주화하고, 각 범주에 대한 대표적인 방법들을 체계적으로 조사한다. 마지막으로, 기존 연구의 한계점을 논의하고 미래 연구를 위한 유망한 방향을 제시하며, 관련 논문들을 요약하고 지속적으로 업데이트할 GitHub 저장소 주소를 제공한다.
