[논문 리뷰] Approximation of grammar-based compression via recompression

Artur Jeż|arXiv (Cornell University)|2013. 01. 24.

Algorithms and Data Compression참고 문헌 13인용 수 15

한 줄 요약

이 논문은 입력 문자열에 대해 최적의 문법 크기 $g$와 문자열 길이 $N$을 고려할 때, 크기가 $\mathcal{O}(g\log(N/g))$인 문법을 선형 시간에 구성하는 간단한 알고리즘을 제시한다. 이 방법은 LZ77이나 파생 트리 균형 조정 기법에 의존하지 않고, 재압축 기법을 새로운 방식으로 적용하여 근사 비율이 거의 최적에 가까운 결과를 달성하며, 알고리즘 복잡도는 최소한으로 유지된다.

ABSTRACT

In this paper we present a simple linear-time algorithm constructing a context-free grammar of size O(g log(N/g)) for the input string, where N is the size of the input string and g the size of the optimal grammar generating this string. The algorithm works for arbitrary size alphabets, but the running time is linear assuming that the alphabet Σof the input string can be identified with numbers from {1, ..., N^c} for some constant c. Otherwise, additional cost of O(n log|Σ|) is needed. Algorithms with such approximation guarantees and running time are known, the novelty of this paper is a particular simplicity of the algorithm as well as the analysis of the algorithm, which uses a general technique of recompression recently introduced by the author. Furthermore, contrary to the previous results, this work does not use the LZ representation of the input string in the construction, nor in the analysis.

연구 동기 및 목표

• 주어진 문자열에 대해 가장 작은 문법을 근사하는 간단하고 효율적인 알고리즘을 개발하는 것.
• LZ77이나 균형 잡힌 트리 구조에 의존하지 않고 $\mathcal{O}(g\log(N/g))$ 근사 비율을 달성하는 것.
• 새로운 재압축 기반 프레임워크를 도입하여 문법 압축의 분석과 구현을 단순화하는 것.
• 표준 알파벳 표현 조건 하에 알고리즘이 선형 시간 내에 실행됨을 보여주는 것.

제안 방법

• 알고리즘은 반복적으로 기호 쌍을 새로운 비단말기로 대체하는 재압축 기법을 사용하며, 전체 과정 동안 압축된 표현을 유지한다.
• 새로운 비단말기를 도입할 때의 비용을 추적하기 위해 마킹 체계를 도입하고, 향후 연산을 위해 신용을 유지한다.
• 기존 접근 방식과 달리, LZ77이나 균형 잡힌 파생 트리(예: AVL 또는 길이 기반 균형 트리)의 명시적 사용을 피한다.
• 총 문법 구성 비용을 제한하기 위해 신용 기반 회계 체계를 사용하여, 최종 문법 크기가 $\mathcal{O}(g\log(N/g))$ 이내로 유지되도록 보장한다.
• 알고리즘은 단계별로 문자열을 처리하여 현재 표현의 길이를 반복적으로 줄이며, 각 단계의 비용은 유한하게 유지된다.
• 분석은 재압축 과정의 성질을 이용하여 블록 크기의 로그 합과 도입된 블록 수를 제한하는 데 기반한다.

실험 결과

연구 질문

• RQ1 기존 접근 방식보다 더 단순한 방법을 사용하여, 선형 실행 시간과 함께 $\mathcal{O}(g\log(N/g))$ 근사 비율을 달성할 수 있는 문법 기반 압축 알고리즘이 존재하는가?
• RQ2 문법 압축 알고리즘의 구현과 분석에서 LZ77이나 균형 잡힌 트리 구조를 피할 수 있는가?
• RQ3 재압축 기법을 어떻게 수정하면 최소 문법 문제에 대해 타이트한 근사 보장을 제공할 수 있는가?
• RQ4 재압축 프레임워크에서 신용 기반 회계 체계를 사용할 경우, 문법 크기에 최소한의 오버헤드가 발생하는가?

주요 결과

• 알고리즘은 길이 $N$인 임의의 입력 문자열에 대해 최적 문법 크기 $g$를 고려할 때, 크기가 $\mathcal{O}(g\log(N/g))$인 문법을 구성한다.
• 알파벳이 상수 $c$에 대해 $\{1,\ldots,N^c\}$ 내의 정수로 표현 가능하다는 가정 하에, 실행 시간은 $N$에 대해 선형이다.
• 알파벳이 이러한 방식으로 수치적으로 표현 가능하지 않다면, 추가로 $\mathcal{O}(n\log|\Sigma|)$ 비용이 필요하다.
• 이 방법은 LZ77이나 파생 트리 균형 조정(예: AVL 또는 길이 기반 트리)에 의존하지 않으며, 이는 이전 연구와의 주요 차이점이다.
• 신용 기반 분석을 통해 새로운 비단말기 도입 총 비용이 $\mathcal{O}(g + g\log(N/g))$ 이내로 제한됨을 보장한다.
• 최종 문법 크기는 최적값에 대해 $\mathcal{O}(g\log(N/g))$ 이내로 보장되며, 이는 재압축을 이용한 깔끔하고 통합된 분석을 통해 달성된다.