图学习框架PGL（Paddle Graph Learning）preview版本 • 正式发布基于PaddlePaddle的图学习框架PGL，提供基于游走（Walk Based）以及消息传递（Message Passing）两种计算范式去搭建最前沿的图学习算法，如图表征学习、图神经网络等。PGL充分利用Paddle LoD Tensor特性大幅提升Message-Passing范式中信息聚合效率，兼顾了灵活性和高效性。 • 新增基于PGL复现的GCN、GAT，在多个数据集达到SOTA水平。 • 新增基于大规模子图采样模型Graphsage模型，单机可支持5千万节点、20亿条边的巨图。 • 新增node2vec，deepwalk等图表征学习方法，达到SOTA水平。 • 新增PGL文档、API、tutorial等易用性材料。