图神经网络将传统的神经网络推广到图结构数据中，并因其出色的表示能力而受到广泛的关注。尽管欧几里德模型取得了显著的成就，但其在图形学习中的表现仍然受到欧几里德几何表示能力的限制，特别是对于具有高度非欧几里德隐含解剖结构的数据集。近年来，双曲空间由于其指数增长特性，在处理具有树状结构或幂律分布的图数据方面受到越来越多的关注。在本综述中，我们全面回顾了当前双曲图神经网络的技术细节，将它们统一成一个总体框架，并总结了每个组件的变体。此外，我们总结了一系列相关的应用在各个领域。更重要的是，我们确定了几个挑战，这可能作为进一步作为推进双曲空间图学习成果的指南。