图神经网络（Graph Neural Network，GNN）是指使用神经网络来学习图结构数据，提取和发掘图结构数据中的特征和模式，满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。
GNN的历史最早可以追溯到 2005 年，Gori 等人第一次提出 GNN 概念，用 RNN 来处理无向图、有向图、标签图和循环图等。Bruna等人提出将 CNN 应用到图上，通过对卷积算子巧妙的转换，提出了图卷积网络（Graph Convolutional Netwok，GCN），并衍生了许多变体。
除了图卷积神经网络，GNN主流算法还包括有图自编码器、图生成网络、图循环网络以及图注意力网络。
本资源整理了可信图神经网络（Graph Neural Networks）论文、工具、资源，分享给大家。
资源整理自网络，下载及获取见源地址：https://github.com/Radical3-HeZhang/Awesome-Trustworthy-GNNs
目录
内容截图
