[논문 리뷰] Streaming $k$-edit approximate pattern matching via string decomposition

Sudatta Bhattacharya, Michal Koucký|arXiv (Cornell University)|2023. 01. 01.

Algorithms and Data Compression인용 수 1

한 줄 요약

이 논문은 k-편집 근사 패턴 매칭을 위한 랜덤화된 스트리밍 알고리즘을 제안하며, 기존의 Õ(k⁵) 공간과 Õ(k⁸) 시간 복잡도에 비해 크게 향상된 Õ(k²) 공간과 Õ(k²) 시간 복잡도를 제공한다. 이는 편집 거리 문제를 해밍 거리 문제로 변환하기 위해 局소적으로 일관된 문자열 분해를 활용하고, 분해된 문법에 대해 CKP k-미스매치 알고리즘을 블랙박스로 적용함으로써 달성된다.

ABSTRACT

In this paper we give an algorithm for streaming $k$-edit approximate pattern matching which uses space $\widetilde{O}(k^2)$ and time $\widetilde{O}(k^2)$ per arriving symbol. This improves substantially on the recent algorithm of Kociumaka, Porat and Starikovskaya (2022) which uses space $\widetilde{O}(k^5)$ and time $\widetilde{O}(k^8)$ per arriving symbol. In the $k$-edit approximate pattern matching problem we get a pattern $P$ and text $T$ and we want to identify all substrings of the text $T$ that are at edit distance at most $k$ from $P$. In the streaming version of this problem both the pattern and the text arrive in a streaming fashion symbol by symbol and after each symbol of the text we need to report whether there is a current suffix of the text with edit distance at most $k$ from $P$. We measure the total space needed by the algorithm and time needed per arriving symbol.

연구 동기 및 목표

• k-편집 근사 패턴 매칭을 위한 공간 및 시간 효율적인 스트리밍 알고리즘을 설계하기.
• 특히 Kociumaka 등(2022)의 Õ(k⁵) 공간과 Õ(k⁸) 시간 복잡도를 가지는 기존 스트리밍 접근 방식의 높은 복잡도 문제를 해결하기.
• 문자열 분해를 통해 편집 거리 계산을 해밍 거리로 환원함으로써 근사적으로 최적에 가까운 성능를 달성하기.
• 패턴과 텍스트가 각각 기호 단위로 도착하는 스트리밍 환경에서 효율적이고 실시간으로 패턴 매칭을 수행할 수 있도록 하기.

제안 방법

• Bhattacharya와 Koucký(2023)의 국소적으로 일관된 문자열 분해 기법을 사용하여, 편집 거리를 유지하는 문법으로 문자열을 표현한다.
• 분해된 문법에 대해 CKP k-미스매치 패턴 매칭 알고리즘을 블랙박스로 적용하여 근사 매칭을 탐지한다.
• 현재 텍스트 접미사와 패턴과의 정렬을 추적하기 위해 활성, 확정, 패턴 전용 문법을 유지한다.
• 각 도착하는 텍스트 기호를 순차적으로 처리하기 위해 롤링 문법 업데이트를 사용하며, 업데이트당 Õ(k) 시간 복잡도를 확보한다.
• 정렬된 문법 쌍 간의 편집 거리 합을 통해 텍스트 접미사와 패턴 간의 편집 거리를 계산한다.
• 고정된 오류 비율을 확보하기 위해 랜덤화된 정렬 샘플링을 활용하여 높은 확률로 정확성을 유지한다.

실험 결과

연구 질문

• RQ1 스트리밍 모델에서 k-편집 근사 패턴 매칭을 Õ(k²) 공간과 기호당 Õ(k²) 시간 복잡도로 해결할 수 있는가?
• RQ2 스트리밍 환경에서 문자열 분해 기법을 사용해 편집 거리 문제를 해밍 거리 문제로 환원할 수 있는가?
• RQ3 낮은 공간 복잡도를 유지하면서 기호당 시간 복잡도를 이차 이하로 낮출 수 있는가?
• RQ4 랜덤 샘플링을 통한 정렬 선택으로 알고리즘의 오류 확률을 작은 다항식 수준으로 제한할 수 있는가?

주요 결과

• 알고리즘은 도착하는 기호당 Õ(k²) 공간과 Õ(k²) 시간 복잡도를 달성하여, 기존의 Õ(k⁵) 공간과 Õ(k⁸) 시간 복잡도에 비해 상당한 향상이 이루어졌다.
• 문자열 분해 기법을 활용함으로써 편집 거리 계산이 문법 상의 해밍 거리 문제로 변환되며, 이는 효율적인 k-미스매치 알고리즘의 재사용을 가능하게 한다.
• 오류 확률이 최대 O(log N / N) 이하로 유지되며, 이는 임의의 작은 다항식 수준으로 조정할 수 있다.
• 효율적인 문법 관리와 최대 k개의 불일치하는 문법 쌍에서의 편집 거리 계산 덕분에 기호당 시간 복잡도가 Õ(k²) 이하로 제한된다.
• 공간 복잡도는 CKP k-미스매치 알고리즘과 문법 저장소에 의해 지배되며, 이는 언제나 Õ(k²) 이하이다.
• 알고리즘은 스트리밍 환경의 제약에 강건하며, 기호를 순차적으로 처리하고 현재 텍스트 접미사의 편집 거리를 실시간으로 보고할 수 있다.