the algorithm behaves similar to th

the algorithm behaves similar to the degree-based heuristics that favors vertices with
high degree. However, after a certain number of vertices have been selected, VirAds
will make the selection based on the information within d-hop neighbor around the
considered vertices, which is different from degree-based heuristic that considers
only one-hop neighborhoodship.
Given those measures, VirAds selects in each step the vertex u with the highest e f f ectiveness which is defined as n
(e)
u + n
(a)
u
. After that, the algorithm needs to
update the measures for all the remaining vertices.
It is introduced in [13] that the cost-effective, massive and fast propagation problem (CFM) can be easily shown to be NP-hard by a reduction from the set cover
problem. It is also proved that there is unlikely an approximation algorithm with
factor less than O(logn). However, if we assume the network is power-law, their
algorithm is an approximation algorithm for this problem with a constant factor.

Kết quả (Việt) 1:

Các thuật toán hoạt động tương tự như các chẩn đoán dựa trên mức độ ủng đỉnh vớimức độ cao. Tuy nhiên, sau khi một số lượng nhất định của đỉnh đã được chọn, VirAdssẽ làm cho việc lựa chọn dựa trên các thông tin trong d-hop hàng xóm xung quanh cácđược coi là đỉnh, đó là khác nhau từ heuristic dựa trên mức độ xem xétchỉ một-hop neighborhoodship.Đưa ra những biện pháp, VirAds chọn trong mỗi bước đỉnh u với các cao nhất e f f ectiveness mà được định nghĩa là n(e)u + n(a)u. Sau đó, các thuật toán cần phảiCập nhật các biện pháp cho tất cả các đỉnh còn lại.Nó được giới thiệu trong [13] rằng vấn đề hiệu quả chi phí, lớn và nhanh chóng tuyên truyền (CFM) có thể được dễ dàng chứng minh là NP khó khăn bởi một giảm từ bìa thiết lậpvấn đề. Nó cũng được chứng minh là có khả năng một thuật toán xấp xỉ vớiyếu tố nhỏ hơn O(logn). Tuy nhiên, nếu chúng ta giả định mạng là sức mạnh-pháp luật, củathuật toán là một thuật toán xấp xỉ cho vấn đề này với một yếu tố liên tục.

Kết quả (Việt) 2:

các thuật toán xử tương tự như các chẩn đoán mức độ dựa trên thiên đỉnh với
mức độ cao. Tuy nhiên, sau khi một số lượng nhất định các đỉnh đã được chọn, VirAds
sẽ làm cho các lựa chọn dựa trên các thông tin trong d-hop hàng xóm xung quanh
đỉnh coi, mà là khác nhau từ phỏng đoán mức độ dựa trên xem xét
chỉ có một-hop neighborhoodship.
Với những biện pháp , VirAds chọn trong mỗi bước đỉnh u với ectiveness eff cao nhất được định nghĩa là n
(e)
u + n
(a) u. Sau đó, các thuật toán cần cập nhật các biện pháp cho tất cả các đỉnh còn lại. Nó được giới thiệu trong [13] rằng chi phí-hiệu quả, lớn và vấn đề tuyên truyền nhanh (CFM) có thể dễ dàng thể hiện được NP-cứng bằng cách giảm từ tập cover vấn đề. Nó cũng được chứng minh là có khả một thuật toán xấp xỉ với các yếu tố ít hơn O (logN). Tuy nhiên, nếu chúng ta giả định mạng là sức mạnh-pháp luật, họ thuật toán là một thuật toán xấp xỉ cho vấn đề này với một yếu tố không đổi.