Li Zeng

@WenJieLiHnu

@suxunbin

Currently, only for Chinese.

说反了，NE原本就是切点的图划分，程序最后应该是把它转换为切边的图划分了

不算是问题。ne本来是切点的，程序中把它改成切边了。我就想知道这种转换方法是否有什么出处，转换后作为切边算法，是否还能保证效果？

NE源代码实现的确实是vertex-cut，但您的代码似乎做了一些修改，在最后把它转换成edge-cut了？想知道这种转换是否是某些论文提出的

比如egograph，采样后是如何存储和使用的。分布式中图分割是分割原图而不是采样后的？ agl论文中是把每个点的跳邻居直接提取后单独存储（冗余很多，存储空间占用大），此后各个点独立训练，独立加载。 看起来graph learn的egograph虽然也是采样k跳子图，但应该和agl做法不同？

新项目，没那么齐全

ne很明确 是以边为中心的划分，也就是点会被切开来在多台机器存在，但每条边只存在于一台机器上。在您的代码最后，根据度信息把重复节点只放在一个partition，那么这就已经不再是以边为中心的划分了，而是以点为中心的划分（切开的是边）。

官方代码里我应该是没有看到类似的处理。如果您的代码最后这段处理来源于ne官方或是其它仓库/论文，请帮忙明确指出下