[論文レビュー] Improved Explicit Data Structures in the Bit-Probe Model Using Error-Correcting Codes

Garg, Mohit, Jaikumar Radhakrishnan|arXiv (Cornell University)|Dec 30, 2016

Complexity and Algorithms in Graphs参考文献 9被引用数 1

ひとこと要約

この論文は、誤り訂正符号と確率的構成を用いて、非適応的ビットプローブデータ構造をセットメンバーシップ問題に対して改善する。奇数のプローブ数 t ≥ 5 に対して、空間計算量の tighter な上界を提示し、sN(m, n, t) = O(t m^{2/(t−1)} n^{1−2/(t−1)} log(2m/n)) を得る。また、三プローブ方式に対して Ω(√(mn)) の下界を確立し、n ≥ log m のとき、特徴ベクトルよりも漸近的な空間的利点を提供しないことを示す。

ABSTRACT

We consider the bit-probe complexity of the set membership problem: represent an n-element subset S of an m-element universe as a succinct bit vector so that membership queries of the form "Is x ∈ S" can be answered using at most t probes into the bit vector. Let s(m,n,t) (resp. s_N(m,n,t)) denote the minimum number of bits of storage needed when the probes are adaptive (resp. non-adaptive). Lewenstein, Munro, Nicholson, and Raman (ESA 2014) obtain fully-explicit schemes that show that s(m,n,t) = 𝒪((2^t-1)m^{1/(t - min{2⌊log n⌋, n-3/2})}) for n ≥ 2,t ≥ ⌊log n⌋+1 . In this work, we improve this bound when the probes are allowed to be superlinear in n, i.e., when t ≥ Ω(nlog n), n ≥ 2, we design fully-explicit schemes that show that s(m,n,t) = 𝒪((2^t-1)m^{1/(t-{n-1}/{2^{t/(2(n-1))}})}), asymptotically (in the exponent of m) close to the non-explicit upper bound on s(m,n,t) derived by Radhakrishan, Shah, and Shannigrahi (ESA 2010), for constant n. In the non-adaptive setting, it was shown by Garg and Radhakrishnan (STACS 2017) that for a large constant n₀, for n ≥ n₀, s_N(m,n,3) ≥ √{mn}. We improve this result by showing that the same lower bound holds even for storing sets of size 2, i.e., s_N(m,2,3) ≥ Ω(√m).

研究の動機と目的

• セットメンバーシップ問題に対する非適応的ビットプローブ複雑度 sN(m, n, t) の上界を改善すること。
• 特に t = 3 や t ≥ 5 のような小さな t に対して、既知の上界と下界のギャップを埋めること。
• n ≥ log m のとき、マジョリティのような関数を用いた三プローブ非適応的方式が、特徴ベクトルよりも漸近的な空間的節約をもたらさないことを示すこと。
• 確率的構成と誤り訂正符号を用いたフレームワークを構築し、非適応的データ構造におけるより良い空間効率を達成すること。

提案手法

• 各要素のプローブ位置を確率的法則で割り当て、要素と格納ビットの間の二部グラフにおける十分な拡張性を保証する。
• ハールの定理と二部マッチングを用いて、プローブ割り当てから有効なストレージ関数を構成する。
• 構造的なランダム構成を通じて誤り訂正符号を暗黙的に適用し、プローブ障害に対する耐性を確保する。
• ビットを集合に順次貪欲に割り当てることで、大多数のクエリが正しく答えることを保証するアルゴリズムを用いる。
• 集中不等式とランダム二部グラフにおける辺拡張性の境界を用いて上界を導出する。
• 下界の証明において二つのケースを分析する：サンプリングされた頂点の近傍が大きい場合と小さい場合。条件付き確率と次数制約を用いる。

実験結果

リサーチクエスチョン

• RQ1 奇数の t ≥ 5 に対して、非適応的ビットプローブ方式は、以前の構成よりも優れた空間効率を達成できるか？
• RQ2 三プローブ非適応的方式の真の漸近的空間計算量は何か？ また、特徴ベクトルよりも何らかの節約をもたらすか？
• RQ3 マジョリティ関数などの f: {0,1}^3 → {0,1} のような関数のクラスにおいて、三プローブ方式は漸近的な空間改善を達成できないか？
• RQ4 n ≤ m^{1−ε} のとき、t ≤ (1/10) lg lg m の小さな t を持つ適応的方式は、非適応的方式よりも良い空間境界を達成できるか？

主な発見

• 奇数の t ≥ 5 に対して、sN(m, n, t) = O(t m^{2/(t−1)} n^{1−2/(t−1)} log(2m/n)) の上界を達成し、Buhrman らの以前の O(m^{4/(t+1)} n) の境界を改善する。
• 小さな奇数の t ≥ 3 および t ≤ (1/10) lg lg m の場合、適応的方式は s(m, n, t) = O(exp(e^{2t}) m^{2/(t+1)} n^{1−2/(t+1)} log m) を達成し、非適応的方式よりもわずかに改善する。
• 三プローブ非適応的方式には、n ≥ n₀ のとき sN(m, n, 3) = Ω(√(mn)) の下界が成立し、Alon と Feige の Ω(√(mn / log m)) の境界を改善する。
• マジョリティ関数を含む広範な関数 f のクラスに対して、ある c > 0 について sN(m, n, 3) = Ω(m^{1−1/c n}) が成り立ち、n ≥ 4 のとき、特徴ベクトルよりも漸近的な空間的利点がないことを示す。
• 解析により、最適なクエリ関数でさえも、n が大きいとき、三プローブ非適応的方式は、m ビットの自明な表現を漸近的に上回ることはできないことが示される。
• 証明技法は、二段階のランダムエッジサンプリングプロセスに依拠し、ランダムな 2k エッジ集合が利益を得られない確率を、次数制約と拡張性の性質を用いて評価する。