[論文レビュー] Efficient Algorithms for the Order Preserving Pattern Matching Problem

Simone Faro, Oğuzhan Külekci|arXiv (Cornell University)|Jan 16, 2015

Algorithms and Data Compression参考文献 8被引用数 4

ひとこと要約

本稿では、順序保存パターンマッチング（OPPM）問題のための2つの新しいフィルタリングベースのアルゴリズムを提示する。入力シーケンスをより大きなアルファベット表現に変換することで、検索を高速化し、誤検出を大幅に削減する。実験結果から、提案手法は従来手法に比べて最大2倍の高速化が達成され、最適な条件下では誤検出を最大99％まで削減することが示された。

ABSTRACT

Given a pattern x of length m and a text y of length n, both over an ordered alphabet, the order-preserving pattern matching problem consists in finding all substrings of the text with the same relative order as the pattern. It is an approximate variant of the well known exact pattern matching problem which has gained attention in recent years. This interesting problem finds applications in a lot of fields as time series analysis, like share prices on stock markets, weather data analysis or to musical melody matching. In this paper we present two new filtering approaches which turn out to be much more effective in practice than the previously presented methods. From our experimental results it turns out that our proposed solutions are up to 2 times faster than the previous solutions reducing the number of false positives up to 99%

研究の動機と目的

• 時系列解析や音楽データ処理において生じる、より速く正確な順序保存パターンマッチング（OPPM）問題の解決策の必要性に対応する。
• 高い誤検出率と非効率なフィルタリング効率を抱える従来のOPPMアルゴリズムの限界を克服する。
• より大きなアルファベット上で動作する新しいフィルタリング技術を開発し、検索性能の向上と誤検出の低減を図る。
• 多様な合成および周期的シーケンス上で、提案手法を最先端のアルゴリズムと比較して評価する。
• 実世界の応用に適した条件下で、速度と正確性の両面で優位性を示す。

提案手法

• 元のシーケンスをより大きなアルファベット上でのシーケンスに写像することで、フィルタリング能力を向上させる2つの新しいフィルタリングアプローチのファミリーを提案する。
• 相対的な順序を保持しつつ、最適化されたデータ構造と事前処理を用いて、比較を高速化するフィルタを設計する。
• 候補マッチをプロセスの初期段階で著しく削減することで高い効率性を達成する、新しいフィルタリング機構（Nr）を導入する。
• やや高い事前処理オーバーヘッドを犠牲にしても、誤検出をさらに低減する2番目のフィルタリング戦略（No）を実装する。
• 2段階アプローチを採用：まずフィルタリングステップで非候補を除外し、その後残りの候補に対してのみ正確な順序同型チェックを実行する。
• 周期的シーケンスの構造を活用し、パターン長やアルファベット特性の変化に応じた耐久性とスケーラビリティを評価する。

実験結果

リサーチクエスチョン

• RQ1 より大きなアルファベット上で動作するフィルタリング技術は、従来のOPPMアルゴリズムに比べ、速度と誤検出削減の面で顕著に優れているか？
• RQ2 提案されたフィルタリング手法は、パターン長の増加およびシーケンスの周期性の変化に伴い、どのようにスケーリングするか？
• RQ3 新しいフィルタリングフレームワークにおいて、事前処理コストとランタイムパフォーマンスのトレードオフはいかなるものか？
• RQ4 新しい手法は、検索効率を維持または向上させつつ、誤検出をどの程度まで低減できるか？
• RQ5 実際の応用において、ChhabraとTarhioのバイナリベースのフィルタリング手法と比較して、提案アルゴリズムはどのように差をつけるか？

主な発見

• 提案されたNrフィルタリング手法は、周期的シーケンスにおける長いパターンに対して特に有効で、従来手法に比べ最大1.7倍の高速化を達成した。
• Noフィルタリング手法は、誤検出を最大99.8％まで低減し、とくに長いパターンにおいて優れた正確性を示した。
• Nr4バージョンは、特定の設定では誤検出をほぼ100％まで削減し、すべての従来手法を上回った。
• 周期5の周期的シーケンスにおいて、Nr1手法は1.3倍の高速化を達成したが、Fctアルゴリズムは短いパターンに対しては競争力を持っていた。
• 適切な条件下では、新しい手法は誤検出数を最大99％まで削減し、フィルタリングの正確性を顕著に向上させた。
• 総合的に、提案されたアルゴリズムは、多様なテストシーケンスにわたり、従来の解決策に比べ最大2倍の高速化を達成し、一貫した性能向上を示した。