[論文レビュー] A Formal Language Perspective on Factorized Representations

Benny Kimelfeld, Wim Martens+1 more|arXiv (Cornell University)|Sep 20, 2023

Formal Methods in Verification被引用数 4

ひとこと要約

この論文は、一様長さの言語における名前なし因子分解表現（uFRs）と文脈自由文法（CFGs）の間の形式的同型を確立し、uFRsがすべての生成語が同じ長さであるCFGと等価であることを明らかにする。この関係により、形式言語理論からの複雑さの結果をデータベース要約に直接移転可能となり、uFRs、CFGs、NFAs、UFAs、DFAs間のサイズトレードオフに関するタイトな境界が得られる。翻訳の過程で指数的および二重指数的ブロー・アップが特定された。

ABSTRACT

Factorized representations (FRs) are a well-known tool to succinctly represent results of join queries and have been originally defined using the named database perspective. We define FRs in the unnamed database perspective and use them to establish several new connections. First, unnamed FRs can be exponentially more succinct than named FRs, but this difference can be alleviated by imposing a disjointness condition on columns. Conversely, named FRs can also be exponentially more succinct than unnamed FRs. Second, unnamed FRs are the same as (i.e., isomorphic to) context-free grammars for languages in which each word has the same length. This tight connection allows us to transfer a wide range of results on context-free grammars to database factorization; of which we offer a selection in the paper. Third, when we generalize unnamed FRs to arbitrary sets of tuples, they become a generalization of \emph{path multiset representations}, a formalism that was recently introduced to succinctly represent sets of paths in the context of graph database query evaluation.

研究の動機と目的

• 名前なし（順序付きタプル）データベースの視点から因子分解表現を形式化し、標準的な名前付き（順不同属性）ビューと対比する。
• 一様長さ言語上での名前なし因子分解表現（uFRs）と文脈自由文法（CFGs）のタイトな同型関係を確立する。
• uFRsとパスマルチセット表現（PMRs）の関係を明確にし、有限で一様長さのパス集合に制限した場合、PMRsがuFRsの特別なケースであることを示す。
• uFRsと他のコンパクト表現（例：NFAs、DFAs）間のサイズトレードオフを分析し、翻訳における指数的および二重指数的ブロー・アップを同定する。
• グラフおよびリlationsクエリ処理において最適なコンパクト表現を選択する基盤を提供する。特に、正則パスクエリをサポートするシステムや、データベース上での機械学習を対象とする。

提案手法

• uFRsを、データ値、和集合、およびカルテジアン積から構築される関係代数式として定義し、タプルは順序付きとする。
• uFRsと、一様長さの語のみを生成する文脈自由文法（CFGs）のクラスとの間で、全単射写像βを確立する。
• uFRsとその対応するCFGsが同型であることを証明する：uFRが表すタプルの集合は、対応するCFGが生成する言語の符号化に丁度一致する。
• この同型関係を用いて、形式言語理論（例：属するか、同値性、数え上げ、列挙）における既知の複雑さの結果をuFRsに移転する。
• uFRsと他の形式的体系（NFAs、UFAs、DFAs、集合）との間の翻訳を分析し、既知の複雑さの結果および予想を用いて、サイズブロー・アップのタイトな上限および下限を導出する。
• 列に排反性条件を導入することで、uFRsから名前付きFRsへの指数的ブロー・アップを排除し、よりコンパクトな表現が可能であることを示す。

実験結果

リサーチクエスチョン

• RQ1 名前なし因子分解表現（uFRs）と名前付き因子分解表現（nFRs）のサイズはどのように比較できるか。また、どちらが指数的によりコンパクトになる条件は何か。
• RQ2 一様語長言語に対して、uFRsと文脈自由文法（CFGs）の正確な関係は何か。
• RQ3 uFRsとパスマルチセット表現（PMRs）の関係は何か。PMRsがuFRsの特別なケースであるという意味は何か。
• RQ4 有限で一様長さの言語に対して、uFRsと他のコンパクト表現（例：NFAs、UFAs、DFAs）間のタイトなサイズブロー・アップは何か。
• RQ5 これらの形式的体系間の翻訳で、指数的または二重指数的ブロー・アップが発生する条件は何か。また、これらの境界はタイトか。

主な発見

• 一様長さ言語を生成する名前なし因子分解表現（uFRs）と文脈自由文法（CFGs）の間にはタイトな同型関係がある。これは、表現力および構造的同値性を意味する。
• uFRsとnFRsはサイズにおいて比較不能である：両方向に指数的ブロー・アップが生じ得るが、列に排反性条件を課すことで、uFRsからnFRsへのブロー・アップが解消される。
• uFRsに対応するCFGのクラスは、規則がA → bCおよびA → bの形に制限された場合、非決定性有限オートマトン（NFAs）と同型であることが示され、PMRsがuFRsの特別なケースであることが明らかになった。
• 一様長さ言語上では、uFRsとNFAs、UFAs、DFAsとの間で指数的翻訳が存在し、そのいくつかはタイト（すなわち、避けられない）である。
• CFGからUFA、UCFG、Setへの翻訳では二重指数的ブロー・アップが発生し、標準的な複雑さの仮定（特に、特定の対称言語に対する非一意CFGのサイズに関する予想5.7）のもとでこれがタイトである。
• NFAからUCFG、CFGからUCFGへの翻訳も、予想5.7に条件付きでタイトである強力な証拠を論文が提供している。予想5.7は、特定の対称言語に対して非一意CFGのサイズが2Ω(n)以上であると仮定する。