[논문 리뷰] Fluctuations of the Longest Common Subsequence in the Asymmetric Case of 2- and 3-Letter Alphabets

Federico Bonetto, Heinrich Matzinger|ArXiv.org|2004. 10. 18.

Random Matrices and Applications참고 문헌 21인용 수 12

한 줄 요약

이 논문은 두 개의 독립적이고 동일하게 분포된 시퀀스—하나는 3글자 알파벳 {0,1,a}에서, 다른 하나는 이진 알파벳 {0,1}에서 추출된 것—사이의 가장 긴 공통 부분수열(LCS) 길이의 渐近 분산을 조사한다. 확률론적 및 대규모 편차 기법을 사용하여, 이 비대칭 케이스에서 LCS 길이의 표준편차는 √n 순서임을 증명한다. 이는 이 특정 설정에서 워터먼의 추측을 확인하며, 유사한 모델들에서 √n 척도가 일반적일 수 있음을 시사한다.

ABSTRACT

We investigate the asymptotic standard deviation of the Longest Common Subsequence (LCS) of two independent i.i.d. sequences of length n. The first sequence is drawn from a three letter alphabet {0,1,a}, whilst the second sequence is binary. The main result of this article is that in this asymmetric case, the standard deviation of the length of the LCS is of order square root of n. This confirms Waterman's conjecture for this special case. Our result seems to indicate that in many other situations the order of the standard deviation is also square root of n.

연구 동기 및 목표

• 비대칭 알파벳을 가진 두 개의 독립적이고 동일하게 분포된 시퀀스—하나는 {0,1,a}에서, 다른 하나는 {0,1}에서—사이의 LCS 길이의 渐近 표준편차 순서를 결정하는 것.
• 이 비대칭 설정에서 LCS 길이의 분산이 n 순서임을 워터먼의 추측이 맞는지 확인하는 것.
• 유한 알파벳을 가진 비대칭 시퀀스 모델에서 표준편차의 √n 척도가 일반적인 특성인지 조사하는 것.
• 희귀 패턴과 낮은 매칭 점수를 가진 모티프가 i.i.d. 시퀀스에서 LCS 변동성에 미치는 영향을 분석하는 것.

제안 방법

• 정합 점수를 할당하고 갭 페널티 없이 시퀀스 정렬 문제로 LCS 문제를 모델링하여 가장 긴 공통 부분수열을 찾는 것으로 단순화하는 것.
• 시퀀스를 블록으로 나누고, 부분수열 매칭에서 희귀 사건의 확률을 제어하기 위해 대규모 편차 경계를 적용하는 것.
• 부분수열 길이의 변동에 대한 꼬리 확률을 추정하기 위해 모멘트 생성 함수 기법과 지수 경계를 사용하는 것.
• 지정된 색인 부분집합에서 매칭 부분수열을 세는 데 나타나는 이항계수를 추정하기 위해 스타링의 근사법을 적용하는 것.
• 부분수열 매칭을 나타내는 i.i.d. 랜덤 변수의 모멘트 생성 함수를 유도하기 위해 시퀀스의 독립성 및 i.i.d. 가정을 활용하는 것.
• 희귀 사건(예: 동일한 기호의 장기간 연속 또는 높은 매칭 점수)의 확률을 지수 꼬리 추정과 부분합 분해를 통해 경계하는 것.

실험 결과

연구 질문

• RQ1 한 시퀀스가 3글자 알파벳에서, 다른 시퀀스가 2글자 알파벳에서 추출될 경우, LCS 길이의 표준편차의 渐近 순서는 무엇인가요?
• RQ2 워터먼이 추측한 바와 같이, 이 비대칭 모델에서 LCS 길이의 분산이 √n 비율로 척도 조정되는가요?
• RQ3 희귀 패턴과 낮은 기대 매칭 점수를 가진 모티프는 i.i.d. 시퀀스에서 LCS 길이의 변동성에 어떻게 영향을 미치나요?
• RQ4 대규모 편차 기법을 사용하여, 이질적 모델에서 LCS 길이가 평균에서 크게 벗어날 확률을 경계할 수 있는가요?
• RQ5 유한 알파벳을 가진 다양한 비대칭 시퀀스 모델에서 표준편차의 √n 척도는 강건한 특성인가요?

주요 결과

• 한 시퀀스가 {0,1,a}에서, 다른 시퀀스가 {0,1}에서 추출될 경우, 이 비대칭 케이스에서 LCS 길이의 표준편차는 √n 순서이다.
• LCS 길이의 분산이 n 순서임을 증명하여, 이 특정 모델에서 워터먼의 추측을 확인하였다.
• {0,1,a}에서 추출된 시퀀스의 길이가 n일 때, ν < 0.5이면 LCS 길이가 νn을 초과할 확률은 지수적으로 감소하며, 어떤 상수 c에 대해 e^{c(ν−0.5)²n}으로 경계된다.
• 모든 ε > 0에 대해, 시퀀스 길이가 2l(1−δ(ε))일 때, LCS 길이가 l(1−ε)를 초과할 확률은 ε 및 δ(ε)를 포함하는 지수 항으로 경계된다.
• 이 방법은 이진 시퀀스에서 동일한 기호의 장기간 연속과 같은 희귀 사건을 성공적으로 제어하여, 그 기여가 특정 임계값을 초과하면 무시할 만큼 작다는 것을 보여준다.
• 분석은 이 비대칭 설정에서 변동성의 √n 척도가 강건함을 보여주며, 이는 유사한 모델들에서도 일반적인 특성일 수 있음을 시사한다.