builds on the CELF optimization tha

builds on the CELF optimization that iteratively selects seeds in a
lazy forward manner. However, instead of using expensive MC simulations to estimate the spread, it is shown in [25] that under the LT model, the spread can be
computed by enumerating the simple paths starting from the seed nodes. It is known
that the problem of enumerating simple paths is #P-hard [53]. However, the majority of the influence flows within a small neighborhood, since probabilities of paths
28  Opportunistic Mobile Social Networks
diminish rapidly as they get longer. Thus, the spread can be computed accurately by
enumerating paths within a small neighborhood. In addition to the Simpath-Spread
algorithm used by SIMPATH, two other optimizations to reduce the number of spread
estimation calls in SIMPATH. The first one, Vertex Cover Optimization, addresses a
key weakness of the simple greedy algorithm: The spread of a node can be computed directly using the spread of its out-neighbors. Thus, in the first iteration, a vertex
cover of the graph is constructed and the spread only for these nodes using the spread
estimation procedure is obtained. The spread of the rest of the nodes is derived from
this. This significantly reduces the running time of the first iteration. Second, they
observe that as the size of the seed set grows in subsequent iterations, the spread
estimation process slows down considerably. They provide the optimization called
Look Ahead Optimization which addresses this issue and keeps the running time of
subsequent iterations small. These three inventions are quite helpful for speeding up
the SIMPATH algorithm, one can find details about these in [25], and we will not
discuss about them but rather present the complete algorithm in Algorithm 5.
The whole algorithm is presented in Algorithm 5. First, the algorithm find a vertex cover C, then for every node u 2 C, its spread is computed on required subgraphs
needed for the optimization. This is done in a single call to SIMPAT H SPREAD.
Next, for the nodes that are not in the vertex cover, the spread is computed. The
CELF queue is built accordingly, sorted in the decreasing order of marginal gains.
Next, by using Look Ahead Optimization, the algorithm selects the seed set in a lazy
forward fashion. The spread of the seed set S is maintained using the variable spd .
At a time, they take a batch of top-l nodes, call it U , from the CELF queue. In a
single call to SIMPAT H SPREAD, the spread of S is computed on required subgraphs needed for the optimization. For a node x 2 U , if it is processed before in the
same iteration, then it is added in the seed set as it implies that x has the maximum
marginal gain w.r.t. S. Recall that the CELF queue is maintained in decreasing order
of the marginal gains and thus, no other node can have a larger marginal gain [23].
Ifx is not seen before, its marginal gain needs to be recomputed, then CELF queue is
updated accordingly.

Kết quả (Việt) 1:

xây dựng trên tối ưu hóa CELF lặp đi lặp lại chọn hạt giống trong mộtlười biếng cách chuyển tiếp. Tuy nhiên, thay vì sử dụng đắt tiền MC mô phỏng để ước tính sự lây lan, nó được hiển thị trong [25] rằng theo mô hình LT, sự lây lan có thểtính toán của liệt kê những con đường đơn giản, bắt đầu từ các nút hạt giống. Nó được biết đếnrằng vấn đề của liệt kê đường dẫn đơn giản là #P-cứng [53]. Tuy nhiên, phần lớn ảnh hưởng chảy trong một khu vực nhỏ, kể từ khi xác suất của đường dẫn28 cơ hội mạng xã hội di độnggiảm nhanh chóng như họ nhận được lâu hơn. Do đó, sự lây lan có thể được tính toán chính xác bởiliệt kê các đường dẫn trong một khu vực nhỏ. Ngoài sự lây lan Simpaththuật toán được sử dụng bởi SIMPATH, hai khác tối ưu hóa để giảm số lượng lây lanước lượng cuộc gọi trong SIMPATH. Các đầu tiên một, tối ưu hóa bao gồm đỉnh, địa chỉ mộtKey điểm yếu của thuật toán tham lam đơn giản: sự lây lan của một nút có thể được tính toán trực tiếp bằng cách sử dụng sự lây lan của nó ra-hàng xóm. Như vậy, trong sự lặp đầu tiên, một đỉnhbìa của đồ thị được xây dựng và lây lan chỉ cho các nút bằng cách sử dụng sự lây landự toán thủ tục thu được. Sự lây lan của phần còn lại của các nút có nguồn gốc từĐiều này. Điều này làm giảm đáng kể thời gian chạy lặp đầu tiên. Thứ hai, họquan sát như kích thước của các hạt giống tập mọc ở lặp đi lặp lại sau đó, sự lây lanquá trình dự toán chậm lại đáng kể. Họ cung cấp tối ưu hóa được gọi làNhìn về phía trước là tối ưu hóa địa chỉ vấn đề này và giữ thời gian chạy củasau đó lặp đi lặp lại nhỏ. Những phát minh ba là khá hữu ích cho đẩy mạnhthuật toán SIMPATH, người ta có thể tìm thấy thông tin chi tiết về các trong [25], và chúng tôi sẽ khôngthảo luận về họ nhưng thay vì trình bày các thuật toán đầy đủ trong thuật toán 5.Các thuật toán toàn bộ được trình bày trong thuật toán 5. Trước tiên, các thuật toán tìm một đỉnh trải C, sau đó cho mỗi nút u 2 C, lây lan của nó được tính trên yêu cầu subgraphscần thiết cho việc tối ưu hóa. Điều này thực hiện một cuộc gọi duy nhất cho SIMPAT H lây lan.Tiếp theo, cho các nút đang không ở trong bìa đỉnh, sự lây lan là tính toán. CácCELF hàng đợi được xây dựng cho phù hợp, được sắp xếp theo thứ tự giảm biên lợi nhuận.Tiếp theo, bằng cách sử dụng xem trước tối ưu hóa, các thuật toán chọn hạt giống được đặt trong một lười biếngthời trang chuyển tiếp. Sự lây lan của hạt giống tập S được duy trì bằng cách sử dụng spd biến.Tại một thời gian, họ chụp các tập của top-l nút, gọi nó là U, từ hàng đợi CELF. Trong mộtCác cuộc gọi duy nhất để SIMPAT H lây lan, sự lây lan của S được tính trên subgraphs yêu cầu cần thiết cho việc tối ưu hóa. Cho một nút x 2 U, nếu nó được xử lý trước trong cáccùng một lặp đi lặp lại, sau đó được thêm vào trong hạt giống như nó ngụ ý rằng x có tối đabiên lợi w.r.t. S. nhớ lại rằng hàng đợi CELF được duy trì trong giảm đơn đặt hàngCác lợi ích cận biên và do đó, không có nút khác có thể có một, lớn hơn tăng biên [23].Ifx không được thấy trước, đạt được biên của nó cần phải được recomputed, sau đó hàng đợi CELFCập Nhật cho phù hợp.

Kết quả (Việt) 2:

xây dựng dựa trên việc tối ưu hóa CELF đó lặp đi lặp lại chọn hạt giống trong một
cách tiếp lười biếng. Tuy nhiên, thay vì sử dụng các mô phỏng MC đắt để ước tính sự lây lan, nó được trình bày trong [25] mà theo mô hình LT, sự lây lan có thể được
tính toán bằng cách liệt kê các đường dẫn đơn giản bắt đầu từ các hạch hạt giống. Nó được biết
rằng các vấn đề của cách liệt kê các đường dẫn đơn giản là # P-cứng [53]. Tuy nhiên, phần lớn các ảnh hưởng của dòng chảy trong một khu phố nhỏ, vì xác suất của đường
28? Cơ hội di động mạng xã hội
làm giảm nhanh chóng như họ có được lâu hơn. Như vậy, sự lây lan có thể được tính toán một cách chính xác bằng cách
liệt kê các đường dẫn trong một khu phố nhỏ. Ngoài các Simpath-Spread
thuật toán được sử dụng bởi SIMPATH, hai tối ưu hóa khác để giảm số lượng các lây lan
các cuộc gọi trong dự toán SIMPATH. Việc đầu tiên, Vertex Bìa Tối ưu hóa, giải quyết một
nhược điểm chính của thuật toán tham lam đơn giản: Sự lây lan của một nút có thể được tính trực tiếp bằng cách sử dụng sự lây lan của nó ngoài các nước láng giềng. Như vậy, trong phiên đầu tiên, một đỉnh
bìa của đồ thị được xây dựng và sự lây lan chỉ cho các nút này sử dụng sự lây lan
thủ tục lập dự toán thu được. Sự lây lan của phần còn lại của các nút được bắt nguồn từ
đây. Điều này làm giảm đáng kể thời gian chạy của phiên đầu tiên. Thứ hai, họ
nhận thấy rằng khi kích thước của các tập hạt giống mọc trong các phiên tiếp theo, sự lây lan
quá trình lập dự toán chậm đáng kể. Họ cung cấp cho việc tối ưu hóa được gọi là
Look Ahead Tối ưu hóa nhằm giải quyết các vấn đề này và làm cho thời gian chạy của
lần lặp tiếp theo nhỏ. Ba phát minh khá hữu ích để tăng tốc
thuật toán SIMPATH, người ta có thể tìm thấy chi tiết về những trong [25], và chúng tôi sẽ không
thảo luận về họ mà là trình bày các thuật toán hoàn chỉnh trong Algorithm 5.
Các thuật toán toàn bộ được trình bày trong Algorithm 5. Đầu tiên, các thuật toán tìm một cover đỉnh C, sau đó cho tất cả các nút u 2 C, lây lan của nó được tính toán trên đồ thị con yêu cầu
cần thiết cho việc tối ưu hóa. Điều này được thực hiện trong một cuộc gọi duy nhất để SIMPAT H SPREAD.
Tiếp theo, cho các nút mà không phải là ở mặt đỉnh, sự lây lan được tính. Các
hàng đợi CELF được xây dựng phù hợp, sắp xếp theo thứ tự giảm dần của lãi cận biên.
Tiếp theo, bằng cách sử dụng Nhìn Ahead Tối ưu hóa, các thuật toán lựa chọn hạt giống đặt trong một lười
thời trang phía trước. Sự lây lan của tập hạt giống S được duy trì bằng cách sử dụng spd biến.
Tại một thời điểm, họ phải mất một lô hàng đầu l nút, gọi nó là U, từ hàng đợi CELF. Trong một
cuộc gọi duy nhất để SIMPAT H SPREAD, sự lây lan của S được tính trên đồ thị con yêu cầu cần thiết cho việc tối ưu hóa. Đối với một nút x 2 U, nếu nó được xử lý trước khi vào
vòng lặp cùng, sau đó nó được thêm vào trong các hạt giống thiết vì nó hàm ý rằng x có tối đa
biên lợi wrt S. Nhớ lại rằng hàng đợi CELF được duy trì thứ tự giảm dần
của lợi nhuận cận biên và do đó, không có nút khác có thể có lợi cận biên lớn hơn [23].
IFX không nhìn thấy trước, tăng cận biên của nó cần phải được tính toán lại, sau đó đợi CELF được
cập nhật cho phù hợp.