基于扩散的图生成模型可有效生成高质量的小图。但是,很难将它们缩放到包含节点的大小的大图。在这项工作中,我们提出了Edge,这是一种新的基于扩散的图生成模型,可为大图提供生成任务。该模型是通过逆转离散扩散过程来开发的,该离散扩散过程随机去除边缘直到获得空图。它利用扩散程序中的图形稀疏性来提高计算效率。特别是,边缘仅关注图节点的一小部分,并且仅在这些节点之间添加边缘。没有损害建模能力,它的边缘预测比以前的基于基于扩散的属性模型要少得多。此外,边缘可以显式地对训练图的节点度进行建模,然后在捕获图形统计时提高训练图。实证研究表明,边缘比竞争方法更有效,并且可以产生数千个节点的大图。它还优于生成质量的基线模型:所提出的模型发电的图形统计信息与训练图更相似。