English(EN) Scaffold: Support Graph Theory Based Sparsification for Graph Neural Networks

Scaffold 框架利用支持图论稀疏化 GNN

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-29 04:00

研究人员开发了 Scaffold，一个利用支持图论对图神经网络 (GNN) 进行稀疏化的新框架。该方法旨在通过移除边但保留关键通信路径来降低 GNN 的计算和内存成本。Scaffold 控制膨胀和拥塞以维持性能，在各种基准测试中，使用更少的边和更少的内存即可获得具有竞争力或更优的结果。 AI

影响降低 GNN 的计算和内存成本，可能支持更大或更复杂的基于图的 AI 模型。

排序理由这是一篇详细介绍图神经网络新方法的学术论文。[lever_c_research降级：ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Siddhartha Shankar Das, Sai Karthik Navuluru, S M Ferdous, Ryan A. Rossi, Baris Coskunuzer, Lakshman Tamil, Edoardo Serra, Alex Pothen, Robert Rallo, Mahantesh M Halappanavar · 2026-09-29 04:00

Scaffold：为图神经网络提供基于图论的稀疏化支持

arXiv:2609.31466v1 Announce Type: new Abstract: Graph neural networks (GNNs) rely on message passing over graph edges, making their computational and memory costs strongly dependent on graph density. Graph sparsification offers a natural way to reduce these costs, but removing ed…