[논문 리뷰] String Attractors and Combinatorics on Words

Sabrina Mantaci, Antonio Restivo외 3명|arXiv (Cornell University)|2019. 07. 10.

Algorithms and Data Compression참고 문헌 23인용 수 4

한 줄 요약

이 논문은 유한 및 무한 단어를 분석하기 위한 조합적 도구로서 문자열 근접점(strong attractors)을 조사하며, 표준 슈투르미안 단어는 크기가 2인 최소 문자열 근접점을 가지며, 투-모르스 단어는 로그 크기의 근접점(최소로 추측됨)을 가지며, 드 브루이진 단어는 $ n / \log n $ 에 가까운 점차 증가하는 근접점 크기를 보인다. 이 작업은 근접점 크기와 단어 복잡도 사이의 관계를 설정하며, 조합적 단어 분석을 위한 새로운 측정 기준을 제안한다.

ABSTRACT

The notion of \emph{string attractor} has recently been introduced in [Prezza, 2017] and studied in [Kempa and Prezza, 2018] to provide a unifying framework for known dictionary-based compressors. A string attractor for a word $w=w[1]w[2]\cdots w[n]$ is a subset $Γ$ of the positions $\{1,\ldots,n\}$, such that all distinct factors of $w$ have an occurrence crossing at least one of the elements of $Γ$. While finding the smallest string attractor for a word is a NP-complete problem, it has been proved in [Kempa and Prezza, 2018] that dictionary compressors can be interpreted as algorithms approximating the smallest string attractor for a given word. In this paper we explore the notion of string attractor from a combinatorial point of view, by focusing on several families of finite words. The results presented in the paper suggest that the notion of string attractor can be used to define new tools to investigate combinatorial properties of the words.

연구 동기 및 목표

• 문맥적 단어의 잘 알려진 가족들에서 문자열 근접점의 조합적 성질을 조사하기 위해.
• 표준 슈투르미안, 투-모르스, 드 브루이진 단어의 최소 문자열 근접점 크기를 결정하기 위해.
• 근접점 위치의 분포와 구조가 단어의 더 깊은 조합적 특성 반영하는지 탐색하기 위해.
• 문자열 근접점 크기를 단어 복잡도의 잠재적 새로운 측정 기준으로 제안하기 위해.
• 모르피즘 생성 단어와 근접점 분포에 관한 새로운 연구 방향 열기.

제안 방법

• 논문은 문자열 근접점을 모든 서로 다른 요소가 집합 내 적어도 한 위치를 가로지르는 위치 집합으로 정의한다.
• 사전 압축과 버로우스-위리어 변환(Burrows-Wheeler Transform)의 알려진 결과를 적용하여 근접점 크기를 근사한다.
• 표준 슈투르미안 단어의 경우, 요소 분해 성질과 콜레오틱스 구조를 활용하여 크기가 2인 최소 근접점이 두 개의 연속된 위치로 구성됨을 증명한다.
• 투-모르스 단어의 경우, 단어의 재귀적 구조를 기반으로 크기가 $ \log n $ 인 문자열 근접점의 구성법을 제시한다.
• 드 브루이진 단어의 경우, LZ 분할 경계와 모든 $ k $-길이 부분문자가 정확히 한 번씩 나타남을 조합하여 근접점 크기의 점근적 경계를 유도한다.
• 이론적 경계는 LZ 분할에 대한 정리 7.1과 7.2를 사용하여 유도되며, $ n + k - 1 $ 길이의 드 브루이진 단어에 대해 $ \frac{n}{\log n} \leq \gamma^* \leq \frac{n}{(1 - \epsilon_n)\log n} + 1 $ 이다.

실험 결과

연구 질문

• RQ1 표준 슈투르미안 단어의 최소 문자열 근접점 크기는 얼마이며, 이를 조합적으로 특성화할 수 있는가?
• RQ2 투-모르스 단어에 대해 $ \log n $ 크기의 문자열 근접점은 최소인가, 그리고 이에 대한 단어의 구조적 특성은 무엇인가?
• RQ3 드 브루이진 단어의 최소 문자열 근접점 크기는 어떻게 증가하는가, 그리고 이는 그들의 압축 가능성과 구조에 대해 어떤 의미를 갖는가?
• RQ4 최소 문자열 근접점의 위치 분포가 단어의 조합적 복잡도에 대한 통찰을 드러내는가?
• RQ5 모르피즘 생성과 유한 단어의 최소 문자열 근접점 크기 사이의 관계는 무엇인가?

주요 결과

• 모든 표준 슈투르미안 단어의 최소 문자열 근접점 크기는 정확히 2이며, 두 개의 연속된 위치로 구성된다.
• 길이 $ n $ 인 투-모르스 단어에 대해 크기가 $ \log n $ 인 문자열 근접점이 존재하며, 저자들은 이것이 최소임을 추측한다.
• 알파벳 크기 $ \sigma $ 에서 순서 $ k $ 의 드 브루이진 단어에 대해 최소 문자열 근접점 크기는 점차적으로 $ \frac{n}{\log n} $ 으로 증가한다. 여기서 $ n = \sigma^k $ 이다.
• 드 브루이진 단어의 하한 $ \frac{n}{\log n} $ 는 모든 $ k $-길이 부분문자가 정확히 한 번씩 나타남으로써 발생하며, 이는 근접점 위치 사이의 최대 거리를 제한한다.
• 드 브루이진 단어의 최소 문자열 근접점에 대한 상한은 $ \frac{n}{(1 - \epsilon_n)\log n} + 1 $ 이며, 여기서 $ \epsilon_n = 2\frac{1 + \log(\log(\sigma n))}{\log n} $ 이다.
• 결과는 근접점 위치의 분포가 크기 외에도 조합적 의미를 지닐 수 있음을 시사하며, 복잡도 분석의 새로운 길을 열어준다.