[논문 리뷰] Heaviest Induced Ancestors and Longest Common Substrings

Travis Gagie, Paweł Gawrychowski외 1명|arXiv (Cornell University)|2013. 05. 14.

Algorithms and Data Compression참고 문헌 24인용 수 3

한 줄 요약

이 논문은 동일한 리프 집합을 가진 두 개의 가중치가 부여된 트리에 대해 가장 무거운 유도 조상(HIA) 쿼리를 효율적으로 해결하기 위한 데이터 구조를 제안하며, 기하학적 범위 쿼리 해석을 사용한다. 이를 바탕으로, O(n log N) 공간에서 O(m log²n) 시간에 패턴과 문자열 사이의 가장 긴 공통 부분문자열을 찾는 LZ 압축 인덱스를 구축한다. 이는 큰 패턴에 대해 이전의 이차 시간 복잡도 접근 방식에 비해 크게 향상된 성능을 제공한다.

ABSTRACT

Suppose we have two trees on the same set of leaves, in which nodes are weighted such that children are heavier than their parents. We say a node from the first tree and a node from the second tree are induced together if they have a common leaf descendant. In this paper we describe data structures that efficiently support the following heaviest-induced-ancestor query: given a node from the first tree and a node from the second tree, find an induced pair of their ancestors with maximum combined weight. Our solutions are based on a geometric interpretation that enables us to find heaviest induced ancestors using range queries. We then show how to use these results to build an LZ-compressed index with which we can quickly find with high probability a longest substring common to the indexed string and a given pattern.

연구 동기 및 목표

• 동일한 리프 집합을 공유하는 두 개의 가중치가 부여된 트리에 대해 가장 무거운 유도 조상(HIA) 쿼리를 효율적으로 처리할 수 있는 데이터 구조를 설계하는 것.
• 유도 조상의 기하학적 해석을 활용하여 리프 위치 매핑에 대한 범위 쿼리를 지원하는 것.
• HIA 데이터 구조를 활용하여 LZ77 압축된 문자열에서 빠른 가장 긴 공통 부분문자열(LCS) 쿼리를 위한 압축 인덱스를 구축하는 것.
• 패턴 길이 m에 대해 LCS 쿼리의 시간 복잡도를 O(m² log log n)에서 O(m log²n)로 감소시키는 것.
• n이 LZ77 프레이즈의 수일 때, O(n log N) 비례하는 압축된 공간 사용을 유지하면서 이차 시간 복잡도 이하의 쿼리 시간을 달성하는 것.

제안 방법

• 각 셀 (x,y)가 T₁에서 x번째, T₂에서 y번째인 리프를 나타내는 n×n 격자에서 범위 공백 쿼리 문제로 모델링한다.
• 두 트리의 무거운 경로 분해를 사용하여 고려 대상이 되는 조상 쌍의 수를 줄이며, 각 리프에 대해 고려 대상이 되는 쌍의 수를 O(log²n)로 제한한다.
• 각 무거운 경로 쌍에 대해 스카이라인 목록을 구성하며, 유도되고 깊이 또는 무게에서 최대인 비지배되는 조상 쌍 (u₁,u₂)만 저장한다.
• 비어 있지 않은 스카이라인 목록만 저장하기 위해 정확한 해시 테이블을 사용하여 HIA 쿼리 중에 효율적인 검색을 가능하게 한다.
• O(log log n)의 쿼리 시간과 O(n log log n)의 공간을 가지는 범위 공백 데이터 구조를 사용하거나, O(n) 공간에서 O(log³n (log log n)²)의 시간 복잡도를 사용한다.
• HIA 데이터 구조를 LCS 쿼리에 적용하기 위해, 역순 접두사용과 접미사용으로 각각 다른 패트리샤 트리를 구축하며, Karp-Rabin 해싱과 중심점 분해를 사용해 효율적인 LCP 계산을 수행한다.

실험 결과

연구 질문

• RQ1 기하학적 범위 쿼리를 사용하여 두 개의 가중치가 부여된 트리 간의 가장 무거운 유도 조상 쿼리를 효율적으로 지원할 수 있는가?
• RQ2 트리의 곱 집합 맥락에서 HIA 데이터 구조의 공간과 쿼리 시간 간의 상호 교환 관계는 어떠한가?
• RQ3 HIA 데이터 구조를 활용하여 LZ 압축된 문자열에서 가장 긴 공통 부분문자열(LCS) 쿼리를 가속화할 수 있는가?
• RQ4 패턴 길이 m에 대해 LCS 쿼리의 시간 복잡도를 이차 함수에서 선형 함수로 감소시킬 수 있는가?
• RQ5 결과로 얻어진 압축 인덱스의 공간 사용을 O(n log N) 이내로 유지하면서도 이차 시간 복잡도 이하의 쿼리 시간을 달성할 수 있는가?

주요 결과

• O(n log²n) 공간에서 HIA 쿼리를 O(log n log log n) 시간에 지원하는 데이터 구조는 압축된 문자열에서 효율적인 LCS 계산을 가능하게 한다.
• 논문은 O(n log N) 공간에서 O(m log²n) 시간에 패턴 P와 LZ77 압축된 문자열 S 사이의 가장 긴 공통 부분문자열을 찾는 알고리즘을 달성한다.
• 더 공간 효율적인 HIA 구조를 사용할 경우, 공간을 O(n(log N + log²n))으로 늘리면서 쿼리 시간을 O(m log n log log n)로 감소시킬 수 있다.
• 모든 패턴 분할에 대해 LCP를 O(m log n) 시간에 계산하기 위해 Karp-Rabin 해싱과 중심점 분해된 패트리샤 트리를 사용함으로써, m에 대한 선형 의존성을 확보한다.
• 랜덤화 기법에 기반하여 LCP 추정의 높은 확률 정확도를 확보함으로써, LCS 쿼리의 정확성을 보장한다.
• 논문의 완전판은 쿼리 시간에서 log log n 요소를 제거하여 더욱 날카운 경계가 가능할 것임을 시사한다.