[論文レビュー] An efficient algorithm for computing the edit distance of a regular language via input-altering transducers

Lila Kari, Stavros Konstantinidis+2 more|arXiv (Cornell University)|Jun 4, 2014

Algorithms and Data Compression被引用数 6

ひとこと要約

本稿では、NFAで指定される正則言語の編集距離を計算するための効率的なアルゴリズム、DistBestInpAlter を提示する。最悪計算量は $O(n^2d)$ であり、$n$ は遷移数、$d$ は計算された編集距離である。この手法は、エラー検出特性をモデル化する入力変更トランスデューサーを活用しており、従来手法に比べて顕著な性能向上を達成しており、実験的評価により、桁違いの高速化が確認された。

ABSTRACT

We revisit the problem of computing the edit distance of a regular language given via an NFA. This problem relates to the inherent maximal error-detecting capability of the language in question. We present an efficient algorithm for solving this problem which executes in time $O(r^2n^2d)$, where $r$ is the cardinality of the alphabet involved, $n$ is the number of transitions in the given NFA, and $d$ is the computed edit distance. We have implemented the algorithm and present here performance tests. The correctness of the algorithm is based on the result (also presented here) that the particular error-detection property related to our problem can be defined via an input-altering transducer.

研究の動機と目的

• NFAで与えられる正則言語の編集距離を計算するという計算課題に取り組み、これは言語の内在的なエラー検出能力を反映する。
• 置換、挿入、削除を許容する sid(k) チャネルにおけるエラー検出特性が、入力変更トランスデューサーを用いて形式的に記述可能かどうかを検討する。
• このようなトランスデューサーの構造的性質を活用することで、編集距離計算のためのより効率的なアルゴリズムを開発する。
• 新アルゴリズムを実装し、従来手法と比較して実験的に評価することで、実用的性能向上を示す。

提案手法

• 本アルゴリズムは、新たな理論的結果に基づく：Theorem 11 で形式的に証明されたように、sid(k) チャネルにおけるエラー検出特性は、効率的な入力変更トランスデューサーによって定義可能である。
• 本手法の核となるのは、重みが上限 $d$ までのすべての編集文字列をモデル化するトランスデューザーの構築であり、言語内の語の間の最小編集距離の検出を可能にする。
• アルゴリズムは、NFA とトランスデューザーを組み合わせた積オートマトンの状態空間上で動的計画法を用い、語のペア間の最小編集コストを追跡する。
• 重要な最適化として、トランスデューザー構築における冗長な対角遷移の削除があり、これは正しさや重み計算に影響を与えず、状態爆発を抑制する。
• 自動機操作には FAdo ライブラリを活用し、中間版および最適化版を含む複数のアルゴリズムバージョンを実装し、比較評価を実施する。
• 最終的なアルゴリズムである DistBestInpAlter は、入力変更トランスデューザー構造を非自明に活用することで、初期のエラー検出に基づくアプローチを精錬して得られた。

実験結果

リサーチクエスチョン

• RQ1 置換、挿入、削除を許容する sid(k) チャネルにおけるエラー検出特性が、入力変更トランスデューザーを用いて形式的に定義可能か。
• RQ2 このようなトランスデューザー表現が、従来手法よりも効率的な正則言語の編集距離計算アルゴリズムの実現を可能にするか。
• RQ3 入力変更トランスデューザーを用いることで、NFA の編集距離計算において理論的・実用的性能がどの程度向上するか。
• RQ4 特に、従来の $O(n^8)$ 時間の手法と比較して、編集距離 $d$ やオートマトンのサイズが増加する際のアルゴリズムのスケーリング特性はいかなるものか。

主な発見

• 提案されたアルゴリズム DistBestInpAlter は、最悪計算量 $O(n^2d)$ を達成しており、NFA に対して従来の $O(n^8)$ の複雑さに比べて顕著な改善を示している。
• 実験結果から、DistBestInpAlter はすべての従来手法のバージョンよりも一貫して高速であり、大規模な NFA では実行時間が最大2桁減少した。
• 21状態の NFA $\mathbf{a}_{21}$ では、従来の最良手法が3.4時間以上を要したが、DistBestInpAlter はわずか 0.029 秒で完了した。
• 73状態のより大きな NFA $\mathbf{b}_{8}$ では、DistBestInpAlter は 1.919 秒で実行されたのに対し、従来の最良手法は5時間以上を要した。
• 編集距離 $d$ が増加しても、$d$ に $O(n^2d)$ の依存性を示すため、DistBestInpAlter の性能は安定的かつ効率的である。
• トランスデューザー構築における対角遷移の削除は、安全かつ効果的であることが示され、正しさや出力に影響を与えず、メモリ効率を向上させた。