**EDiS：基于边不相交子图稀疏化的图神经网络训练框架**

_EDiS: Edge Disjoint Subgraph Sparsification Framework for Graph Neural Networks_

> EDiS 提出一种将一次性结构提取与每轮图组合分离的稀疏化框架，通过缓存边不相交子图并在不同训练轮次中重组，避免了重复采样或计算的高昂成本。该方法在保持高得分割边保留率的同时，支持多种边选择规则。在 19 个基准测试中，EDiS 在相同边预算下取得了最高的平均准确率和最低的平均排名，尤其在紧边预算场景下表现显著优于 17 种基线方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.09059)