[논문 리뷰] Linear-Space Computation of the Edit-Distance between a String and a Finite Automaton

Cyril Allauzen, Mehryar Mohri|ArXiv.org|2009. 04. 29.

Algorithms and Data Compression참고 문헌 23인용 수 15

한 줄 요약

이 논문은 유한 오토마타와 문자열 간의 편집 거리(edit-distance)를 계산하기 위한 선형 공간 알고리즘을 제시한다. 이는 특정한 큐 정책을 적용한 일반화된 최단거리 프레임워크를 사용하며, 특히 순환적이거나 불확실성이 없는 오토마타에 대해 편집 거리 및 최적 정렬(optimal alignment) 계산에서 최적의 시간 및 공간 복잡도를 달성한다. 이는 타원체(semiring) 위에서의 일반적인 가중치 오토마타에 대해서도 적용 가능하다.

ABSTRACT

The problem of computing the edit-distance between a string and a finite automaton arises in a variety of applications in computational biology, text processing, and speech recognition. This paper presents linear-space algorithms for computing the edit-distance between a string and an arbitrary weighted automaton over the tropical semiring, or an unambiguous weighted automaton over an arbitrary semiring. It also gives an efficient linear-space algorithm for finding an optimal alignment of a string and such a weighted automaton.

연구 동기 및 목표

• 생물정보학 및 음성 인식과 같은 분야에서 문자열과 유한 오토마타 간의 효율적인 편집 거리 계산이 요구됨을 다루기 위해.
• 기존 동적 프로그래밍 접근 방식이 오토마타 크기에 따라 제곱적으로 증가하는 높은 공간 복잡도 문제를 해결하기 위해.
• 가중치 오토마타 위에서 최단거리 계산을 통해 고전적인 편집 거리 알고리즘을 통합하고 확장하는 일반적인 프레임워크를 개발하기 위해.
• 특히 타원체 semiring 위의 일반적인 가중치 오토마타에 대해서도 편집 거리 및 최적 정렬을 선형 공간에서 계산할 수 있도록 하기 위해.
• 예를 들어 단어 라티스나 단백질 가족과 같은 압축되거나 구조화된 시퀀스 표현을 포함한 대규모 문자열 매칭 작업을 위한 확장 가능한 솔루션을 제공하기 위해.

제안 방법

• 문자열과 목표 오토마타로부터 구성된 제품 오토마타(product automaton) 내에서 최단경로 계산으로서 편집 거리 문제를 수식화한다.
• 기본 상태 수준의 큐 정책에서 유도된 메타큐 정책(meta-queue discipline)을 사용한 일반화된 최단거리 알고리즘을 적용한다.
• 최적 정렬을 선형 공간에서 계산하기 위해 히르슈버그(Hirschberg) 기법을 활용하여 정렬 경로 상의 중간점(midpoints)을 순환적으로 찾는다.
• 불확실성이 없거나 순환적이지 않은 오토마타의 구조를 활용하여 시간 복잡도를 저감시키고 로그 인자(logarithmic factors)를 제거한다.
• 처리 순서를 제어하고 공간 효율성을 확보하기 위해 다양한 큐 정책(예: FIFO, 다익스트라 유사)을 정의하고 적용한다.
• 역방향 계산(최종 상태에서 초깃 상태로의 계산)을 통해 재귀적 정렬 알고리즘에서 중간점 식별에 필요한 후행 거리(backward distances)를 계산한다.

실험 결과

연구 질문

• RQ1 유한 오토마타의 크기에 관계없이, 문자열과 오토마타 간의 편집 거리를 선형 공간에서 계산할 수 있는가?
• RQ2 문자열과 오토마타 간의 최적 정렬을 선형 공간에서 효율적으로 계산할 수 있는가?
• RQ3 어떤 큐 정책 전략이 제품 오토마타 내에서 선형 공간 최단거리 계산을 가능하게 하는가?
• RQ4 이 알고리즘은 특히 불확실성이 없는 경우를 포함한 임의의 semiring 위의 가중치 오토마타로 일반화될 수 있는가?
• RQ5 예를 들어 순환적 또는 톰슨 오토마타와 같은 다양한 오토마타 유형에 대해 알고리즘의 시간 복잡도는 어떻게 되는가?

주요 결과

• 논문은 타원체 semiring 위에서 문자열과 오토마타 간의 편집 거리를 선형 공간으로 계산하는 알고리즘을 제시한다. 순환적 오토마타의 경우 시간 복잡도는 $O(|x||A|)$이며, 일반적인 경우 $O(|x||A| ho au)$이다. 여기서 $ ho au$는 오토마타의 순환 연결성(loop-connectedness)을 의미한다.
• 순환적 오토마타의 경우 최적 정렬은 $O(|x|+|A|)$ 공간과 $O(|x||A|)$ 시간에 계산 가능하며, 일반적인 경우 시간 복잡도는 $O(|x||A| ho au au)$이다.
• 알고리즘은 히르슈버그 기법에 기반한 재귀적 분할 정복 접근 방식을 사용하여 정렬 경로 상의 중간점을 식별함으로써 선형 공간 백트래킹을 가능하게 한다.
• 사용자 정의 가능한 큐 정책을 갖춘 단일 최단거리 계산 프레임워크를 통해 고전적인 편집 거리 알고리즘을 통합하고 일반화한다.
• 임의의 semiring 위에서 불확실성이 없는 가중치 오토마타에 대해서도 동일한 선형 공간 접근 방식이 적용되며, 이는 타원체 semiring을 넘어서 적용 가능성을 확장한다.
• 오토마타가 유리한 구조적 특성을 가지면(예: 낮은 순환 연결성), 시간 복잡도가 더욱 향상되어 복잡도 내의 로그 인자를 감소시킨다.