検索ワード: updating (英語 - タミル語)

updating
புதுப்பிக்கப்படுகிறது

updating mode...
முறையை புதுப்பி...

menu updating tool
பட்டியல் புதுப்பித்தல் கருவிname

updating favicon...
ஃபாவிகான் இல்லை

updating cache file
இடைமாற்று கோப்பினை புதுப்பி

updating mail store...
அஞ்சல் சேமிப்பகத்தைப் புதுப்பிக்கிறது...

updating message counts
செய்திக் கூட்டலை புதுப்பி

updating version information...
கூடுதல் விவரம்@ item: inmenu

apologies for the late updating
தாமதமாக புதுப்பித்ததற்கு மன்னிக்கவும்

updating usage label indices...
வகையின் குறிப்பை உள்ளிடு:

updating font configuration. please wait...
மின்னெழுத்து வடிவமைப்பு புதுப்பிக்கப்படுகிறது. காத்திருக்க...

row updating on the server failed.
சேவையகத்தில் கிடக்கைப் புதுப்பித்தல் இயலவில்லை.

error while updating archive name:
காப்பகம் பெயரை இற்றைப்படுத்தும் போது பிழை

i had completed updating my profile details
எனது சுயவிவர விவரங்களை முடித்தேன்

an error occurred while updating crontab.
crontabஐ புதுப்பிக்கும் பொழுது பிழை நேர்ந்தது

clicking on this icon will start / stop updating of the display. stopping the update will zero the processing power required (cpu usage)
இந்த சின்னத்தில் சொடுக்கினால் தொடங்கு / நிறுத்தம் காட்சியை இற்றையப்படுத்துகிறது. செயலாக்கம் திறன் பூஜ்ஜியத்தினை கேட்கிறது இற்றையப்படுத்துதலை நிறுத்துவதற்கு( cpu- பயன்பாடு)

today many online business sites springs everyday and tend to attract peoples to sell their product.the amount of propagation of information is steadily increased in online social networks such as facebook and twitter. influence maximization is introduced to maximize the profit of viral marketing in social networks. the weakness of influence maximization is that it does not distinguish specific users from others, even if some items can be only useful for the specific users. for such items, it is a better strategy to focus on maximizing the influence on the specific users. in this paper, we formulate an influence maximization problem as query processing to distinguish specific users from others. we show that the query processing problem is np-hard and its objective function is submodular. we propose an expectation model for the value of the objective function and a fast greedy-based approximation method using the expectation model. for the expectation model, we investigate a relationship of paths between users. for the greedy method, we work out an efficient incremental updating of the marginal gain to our objective function. we conduct experiments to evaluate the proposed method with real-life datasets, and compare the results with those of existing methods that are adapted to the problem. from our experimental results, the proposed method is at least an order of magnitude faster than the existing methods in most cases while achieving high accuracy.
தமிழ் மொழிபெயர்ப்பு ஆங்கிலம் பத்தி ஆன்லைன்