arXiv 机器学习· Sai Karthik Navuluru, Siddhartha Shankar Das, Franck Dernoncourt, S M Ferdous, Ryan A. Rossi, Nesreen K. Ahmed, Baris Coskunuzer, Alex Pothen, Lakshman Tamil, Mahantesh M Halappanavar·· 4 小时前AI 评分35
EDiS：面向图神经网络的边不相交子图稀疏化框架
EDiS: Edge Disjoint Subgraph Sparsification Framework for Graph Neural Networks
AI 导读
面向图神经网络（GNN）的稀疏化框架 EDiS 将单次结构提取与轮次图组合解耦，仅需一次性将图分解为可缓存的边不相交子图。训练中各轮次可在边预算约束下直接重组子图而无需重复采样计算，并能确定性保留高分割边。在涵盖同质、异质及大规模的 19 个节点分类 benchmark 对比 17 种基线中，EDiS 在相同边预算下取得最高的平均分数与最低的平均排名。
来源：arXiv 机器学习 · arxiv.org