[논문 리뷰] String comparison by transposition networks

Peter Krusche, Alexander Tiskin|ArXiv.org|2009. 03. 20.

Algorithms and Data Compression참고 문헌 37인용 수 4

한 줄 요약

이 논문은 반국소 문자열 비교를 위한 새로운 전치 네트워크 프레임워크를 소개하며, 최장 공통 부분수열(LCS)과 편집 거리에 대한 기존 알고리즘을 통합하고 향상시킨다. 문자열 정렬을 0-1 전치 네트워크로 모델링함으로써, 모든 부분문자열에 대한 LCS를 효율적으로 계산할 수 있으며, 반국소 비교의 경우 O(np) 시간 복잡도를 달성한다. 이는 희소하고 매우 유사하거나 매우 이질적인, 그리고 런레ング스 압축된 문자열에 적용 가능하다.

ABSTRACT

Computing string or sequence alignments is a classical method of comparing strings and has applications in many areas of computing, such as signal processing and bioinformatics. Semi-local string alignment is a recent generalisation of this method, in which the alignment of a given string and all substrings of another string are computed simultaneously at no additional asymptotic cost. In this paper, we show that there is a close connection between semi-local string alignment and a certain class of traditional comparison networks known as transposition networks. The transposition network approach can be used to represent different string comparison algorithms in a unified form, and in some cases provides generalisations or improvements on existing algorithms. This approach allows us to obtain new algorithms for sparse semi-local string comparison and for comparison of highly similar and highly dissimilar strings, as well as of run-length compressed strings. We conclude that the transposition network method is a very general and flexible way of understanding and improving different string comparison algorithms, as well as their efficient implementation.

연구 동기 및 목표

• 전치 네트워크를 사용하여 기존의 문자열 비교 알고리즘을 통합하고 일반화하기.
• 단지 부분문자열의 일부만 관심 대상인 희소 반국소 문자열 비교를 위한 효율적인 알고리즘 개발하기.
• 전치 네트워크의 구조적 특성을 활용하여 매우 유사하거나 매우 이질적인 문자열 간의 효율적인 비교를 가능하게 하기.
• 런레ング스 압축된 문자열의 반국소 비교를 지원하여 압축 해제 없이도 계산 시간을 단축하기.
• 반국소 문자열 정렬에서 최고 점수 행렬의 암묵적 표현을 위한 유연하고 공간 효율적인 프레임워크 제공하기.

제안 방법

• 문자열의 정렬을 0-1 전치 네트워크로 모델링하며, 입력은 문자열의 문자를 나타내고, 비교기(comparators)는 잠재적 일치를 나타낸다.
• 전치 네트워크 내에서 1-0 경계의 전파를 이용해 정렬 DAG에서 주요 일치와 윤곽선을 식별한다.
• 전치 네트워크의 행동에서 유도된 임계점과 윤곽선을 사용해 최고 점수 행렬을 암묵적으로 표현한다.
• 윤곽선과 반대각선의 교차점을 계산하여 LCS 길이의 변화를 추적하며, 관련이 있는 위치에만 비교를 제한한다.
• 비어 있지 않은 비교는 오직 윤곽선을 따라 발생하므로, 각 윤곽선에 대해 선형 시간 처리가 가능하다.
• 주요 일치와 윤곽선 구조에 집중하여, 희소하고 매우 유사하거나 이질적인, 런레ング스 압축된 문자열에 대해 이 방법을 적용한다.

실험 결과

연구 질문

• RQ1 전치 네트워크는 다양한 문자열 비교 알고리즘을 이해하고 향상시키는 통합 프레임워크를 제공할 수 있는가?
• RQ2 전치 네트워크를 어떻게 활용하여 반국소 문자열 비교의 비제곱 시간 복잡도를 달성할 수 있는가?
• RQ3 주로 주요 일치만 고려할 경우 반국소 LCS 계산의 계산 복잡도는 얼마인가?
• RQ4 전치 네트워크 접근법을 런레ング스 압축된 문자열 간의 효율적 비교로 확장할 수 있는가?
• RQ5 구조적 희소성을 활용함으로써, 매우 유사하거나 매우 이질적인 문자열에 대해 이 방법이 성능을 어떻게 향상시키는가?

주요 결과

• 전치 네트워크 모델은 표준 및 반국소 LCS를 포함한 다양한 문자열 비교 알고리즘을 통합적으로 표현할 수 있다.
• 반국소 문자열 비교는 O(np) 시간에 계산 가능하며, 여기서 n은 문자열 길이이고 p는 LCS 길이이다. 이는 기존에 알려진 최적의 복잡도와 일치한다.
• 주로 주요 일치와 윤곽선에 집중함으로써, 불필요한 계산을 줄임으로써 희소 반국소 비교를 효율적으로 수행할 수 있다.
• 매우 유사하거나 매우 이질적인 문자열의 경우, 알고리즘이 구조적 희소성을 활용하여 최적의 성능를 유지한다.
• 런레ング스 압축된 문자열은 압축 해제 없이도 O(np) 시간에 반국소 비교가 가능하며, 이로 인해 효율성이 유지된다.
• 이 방법은 전치 네트워크 행동에서 유도된 임계점과 윤곽선을 사용해 최고 점수 행렬을 암묵적이고 공간 효율적으로 표현할 수 있다.