[논문 리뷰] Non-linear Associative-Commutative Many-to-One Pattern Matching with Sequence Variables

Manuel Krebber|arXiv (Cornell University)|2017. 05. 02.

Algorithms and Data Compression참고 문헌 44인용 수 7

한 줄 요약

이 논문은 순서 변수를 포함한 비선형, 결합법칙 및 교환법칙을 만족하는 다대일 패턴 매칭을 위한 일반화된 차별화 네트워크(MLDN)를 제안하며, 이를 개방형 파이썬 라이브러리로 구현하였다. 패턴 유사성을 활용하여 일대일 매칭 대비 상당한 속도 향상을 달성하였으며, 패턴 집합 크기와 주제 수가 중간 수준일 때에도 성능 향상이 관찰되었다.

ABSTRACT

Pattern matching is a powerful tool which is part of many functional programming languages as well as computer algebra systems such as Mathematica. Among the existing systems, Mathematica offers the most expressive pattern matching. Unfortunately, no open source alternative has comparable pattern matching capabilities. Notably, these features include support for associative and/or commutative function symbols and sequence variables. While those features have individually been subject of previous research, their comprehensive combination has not yet been investigated. Furthermore, in many applications, a fixed set of patterns is matched repeatedly against different subjects. This many-to-one matching can be sped up by exploiting similarities between patterns. Discrimination nets are the state-of-the-art solution for many-to-one matching. In this thesis, a generalized discrimination net which supports the full feature set is presented. All algorithms have been implemented as an open-source library for Python. In experiments on real world examples, significant speedups of many-to-one over one-to-one matching have been observed.

연구 동기 및 목표

• 결합법칙 및 교환법칙 기능 기호와 순서 변수와 같은 고급 패턴 매칭 기능에 대한 개방형 지원 부족 문제를 해결하기 위해.
• 최신 기술인 차별화 네트워크를 비문자열적, 비선형 패턴 매칭을 지원하도록 확장하여 결합법칙, 교환법칙, 가변 수의 기능 기호를 포함한 다대일 매칭을 가능하게 하기 위해.
• 반복적인 패턴 매칭 시나리오에서 일대일 매칭보다 우수한 성능을 보이는 다대일 매칭 알고리즘을 구현하고 평가하기 위해.
• 기호 계산 및 컴파일러 개발을 위한 실용적이고 개방형 솔루션을 제공하여 SymPy와 같은 시스템에 통합 가능성을 확보하기 위해.

제안 방법

• 결합법칙, 교환법칙, 비선형 패턴 및 순서 변수를 지원하는 일반화된 차별화 네트워크(MLDN)를 설계하기 위해.
• 결합법칙 및 교환법칙 제약 조건 하에 비문자열 매칭을 처리할 수 있도록 용어 변환 및 패턴 매칭 알고리즘을 확장하기 위해.
• 패턴 간의 구조적 유사성을 활용하기 위해 사전에 패턴을 인덱싱하는 MLDN을 사용하여 다대일 매칭 엔진을 구현하기 위해.
• 결합법칙 및 교환법칙을 만족하는 용어의 일관된 비교 및 인덱싱을 가능하게 하기 위해 표준화 전략을 사용하기 위해.
• MatchPy라는 개방형 파이썬 라이브러리에 알고리즘을 통합하여 일대일 및 다대일 매칭을 모두 지원하기 위해.
• 런타임 효율성을 향상시키기 위해 코드 생성 및 성능 최적화 기법을 적용하고, 필요에 따라 Cython로의 이식 가능성도 고려하기 위해.

실험 결과

연구 질문

• RQ1 다대일 환경에서 비선형, 결합법칙 및 교환법칙, 순서 변수를 지원하는 일반화된 차별화 네트워크를 설계할 수 있는가?
• RQ2 실제 기호 계산 워크로드에서 MLDN을 사용한 다대일 매칭의 성능은 일대일 매칭 대비 어떻게 비교되는가?
• RQ3 MLDN의 구축 비용을 분산시키기 위한 절충점은 무엇이며, 패턴 집합 크기와 주제 수에 따라 어떻게 스케일링되는가?
• RQ4 패턴 간의 구조적 유사성과 겹침은 결과적으로 생성된 MLDN의 효율성과 크기에 어떤 영향을 미치는가?
• RQ5 MLDN 기반 접근법을 컨텍스트 변수나 기능 변수와 같은 추가 기능으로 확장할 수 있는 정도는 어느 정도인가?

주요 결과

• 실제 예제에서 MLDN 접근법은 일대일 매칭 대비 상당한 속도 향상을 달성하였으며, 구축 비용을 분산시키기 위한 절충점은 패턴 집합 크기의 수준 내에서 항상 도달된다.
• 동일한 패턴 집합에 대해 수백 개 이상의 주제를 매칭하는 응용 분야에서는 MLDN을 사용한 다대일 매칭이 일대일 매칭보다 뛰어난 성능을 보였다.
• 실제로 MLDN의 크기는 선형보다 느리게 증가하므로, 큰 크기이지만 구조적으로 유사한 패턴 집합에 대해 양호한 확장성을 보인다.
• VSDN(Variadic Sequence Discrimination Nets)은 매칭 속도가 더 빠르지만, 설정 시간이 상당히 길고 상태 수가 지수적으로 증가하여 큰 또는 복잡한 패턴 집합에는 부적합하다.
• 제안된 알고리즘을 구현한 개방형 라이브러리 MatchPy는 기초 기술 계산 및 컴파일러 개발에서 고급 패턴 매칭의 실용적 활용을 가능하게 한다.
• SymPy와의 향후 통합 및 코드 생성 또는 Cython 이식을 통해 과학 계산 워크로드에서의 성능과 사용성 향상이 가능할 것으로 기대된다.