作者：李军利 AI-Friend / 14th June 2020

内容：图基础和图引擎；图算法：图挖掘、 图表示学习 、图神经网络、 知识表示学习/知识图谱三元组

（Graph Mining 、Graph Embedding、Graph Neural Network、Knowledge-Graph Embedding）

编程相关：Linux、C++、Python、TensorFlow、Pytorch、DGL、PyG、networkx、HDFS

写作动力：随着图引擎和图算法研究的深入，涉及越来越广，希望在 Graph-Algorithms 里记录一些总结和思考

分类：旨在获取embedding的无监督算法称为 图表示学习 ; GNN常常是监督学习; 知识图谱相关的称为 KG-Embedding（我的分类很主观，基于游走的算法常称为图表示算法，基于邻居汇聚的叫 GNN）

分类	笔记	论文	代码	异构	属性
基础	[Graph Theory]
基础	[Gemini]	A Computation-Centric Distributed Graph ···
基础	[信息与熵]
基础	[Alias method]
基础	vector similarity
图表示	[deepwalk]	Online Learning of Social Representations	master	0	0
图表示	[node2vec ]	Scalable Feature Learning for Networks	master	0	0
图表示	[复现node2vec]
图表示	[LINE ]	Large-scale Information Network Embedding	master	0	0
图表示	[metapath2vec]	Learning for Heterogeneous Networks		1	0
图表示	[DGI]			0	1
GNN	[GCN]	Semi-Supervised Classification with GCN	master	0	1
GNN	[GraphSage]	Inductive Representation Learning on L-Graphs	master	0	1
GNN	[GAT]	Graph Attention Network	master	0	1
GNN	[Deep GCN]			0	1
GNN	[HGT]			1	1
KG-E	[TransE]
KG-E	[TransH]
KG-E	[TransR]
KG-E	[TransD]
图挖掘	[(W)CC]
图挖掘	[LPA]
图挖掘	[SSSP & APSP]
图挖掘	[InfoMap]
图挖掘	[Louvain]