[논문 리뷰] Substring Range Reporting

Philip Bille, Inge Li Goertz|arXiv (Cornell University)|2011. 08. 18.

Algorithms and Data Compression인용 수 13

한 줄 요약

이 논문은 위치 제약이 있는 부분문자열 검색 및 갭 기반 인덱싱과 같은 문제들을 하나의 문제로 환원함으로써 문자열 색인링의 범용 프레임워크인 부분문자열 범위 보고 문제를 도입한다. 새로이 조합된 색인 트리와 범위 보고 데이터 구조를 사용하여 $O(m + \mathrm{occ})$의 최적 쿼리 시간과 $O(n\log^{O(1)}n)$의 공간 복잡도를 달성함으로써, 여러 문자열 색인링 변종에 대한 기존의 시간-공간 트레이드오프를 크게 향상시킨다.

ABSTRACT

We revisit various string indexing problems with range reporting features, namely, position-restricted substring searching, indexing substrings with gaps, and indexing substrings with intervals. We obtain the following main results. {itemize} We give efficient reductions for each of the above problems to a new problem, which we call \emph{substring range reporting}. Hence, we unify the previous work by showing that we may restrict our attention to a single problem rather than studying each of the above problems individually. We show how to solve substring range reporting with optimal query time and little space. Combined with our reductions this leads to significantly improved time-space trade-offs for the above problems. In particular, for each problem we obtain the first solutions with optimal time query and $O(n\log^{O(1)} n)$ space, where $n$ is the length of the indexed string. We show that our techniques for substring range reporting generalize to \emph{substring range counting} and \emph{substring range emptiness} variants. We also obtain non-trivial time-space trade-offs for these problems. {itemize} Our bounds for substring range reporting are based on a novel combination of suffix trees and range reporting data structures. The reductions are simple and general and may apply to other combinations of string indexing with range reporting.

연구 동기 및 목표

• 범위 보고 기능을 갖춘 확장된 문자열 색인링 문제에서 최적의 시간-공간 트레이드오프가 부족한 문제를 해결한다.
• 위치 제약이 있는 부분문자열 검색, 갭 기반 부분문자열 색인링, 간격 기반 색인링과 같은 서로 다른 문제들을 하나의 추상화인 부분문자열 범위 보고로 통합한다.
• 부분문자열 범위 보고에 대해 최적의 쿼리 시간($O(m + \mathrm{occ})$)과 $O(n\log^{O(1)}n)$의 공간 복잡도를 지원하는 데이터 구조를 개발한다.
• 부분문자열 범위 카운팅 및 빈도 없는 변종으로 기술을 일반화하여 비트리비얼한 시간-공간 트레이드오프를 달성한다.
• 다양한 문자열 색인링 문제에서 부분문자열 범위 보고로의 단순하고 일반적인 환원을 제공함으로써 핵심 기법의 광범위한 적용 가능성을 확보한다.

제안 방법

• 패턴 $P$의 시작 위치 중에서 각 위치의 레이블이 주어진 범위 $[a,b]$에 속하는 모든 위치를 보고하는 통합 문제로 부분문자열 범위 보고를 도입한다.
• 패턴 매칭을 위한 색인 트리와 2차원 범위 보고 데이터 구조를 조합하여 효율적인 쿼리 처리를 수행한다.
• 문자열 깊이 기반으로 색인 트리를 상부와 하부로 분할하여 공간과 쿼리 시간을 균형 잡는다.
• 상부 트리의 노드에는 1차원 범위 보고 구조를 사용하고, 하부 트리에는 단일 2차원 범위 보고 구조를 사용한다.
• 알투프 등(Alstrup 등)과 찬 등(Chan 등)의 고급 범위 보고 데이터 구조를 활용하여 최적의 쿼리 시간과 비선형 공간 복잡도를 달성한다.
• 동일한 프레임워크를 부분문자열 범위 카운팅 및 빈도 없는 변종에 적용하기 위해 기반 2차원 데이터 구조를 카운팅 및 빈도 없는 연산으로 적응시킨다.

실험 결과

연구 질문

• RQ1 다양한 범위 보고 기능을 갖춘 문자열 색인링 문제들을 하나의 일반 문제로 통합할 수 있는가?
• RQ2 부분문자열 범위 보고에 대해 $O(n\log^{O(1)}n)$의 공간 복잡도로 최적의 $O(m + \mathrm{occ})$ 쿼리 시간을 달성할 수 있는가?
• RQ3 제안된 기법을 부분문자열 범위 카운팅 및 빈도 없는 변종으로 일반화할 수 있는가?
• RQ4 새로운 프레임워크를 사용할 때 부분문자열 범위 카운팅 및 빈도 없는 변종에 대해 달성 가능한 시간-공간 트레이드오프는 무엇인가?
• RQ5 예를 들어 위치 제약이 있는 부분문자열 검색 문제에서 부분문자열 범위 보고로의 환원이 단순하고 일반적인가?

주요 결과

• 논문은 임의의 $\varepsilon > 0$에 대해 $O(n(\log^\varepsilon n + \log\log u))$의 공간 복잡도로 $O(m + \mathrm{occ})$의 쿼리 시간을 지원하는 부분문자열 범위 보고를 위한 새로운 데이터 구조를 제시한다.
• 위치 제약이 있는 부분문자열 검색에 대해, 이 방법은 $O(n\log^\varepsilon n)$의 공간 복잡도와 $O(m + \mathrm{occ})$의 쿼리 시간을 달성하며, 이는 기존 솔루션보다 개선된 것으로, 최적의 쿼리 시간을 확보하기 위해 $\Omega(n^{1+\varepsilon})$의 공간 복잡도가 요구되었던 점을 고려할 때 뚜렷한 향상이다.
• 부분문자열 범위 카운팅은 $O(n\log n / \log\log n)$의 공간 복잡도와 $O(m + \log\log u)$의 쿼리 시간으로 해결되었으며, 쿼리 시간에서 $\log n / \log\log n$ 항목을 제거하는 대가로 공간 복잡도에 $\log n / \log\log n$ 요소가 추가되었다.
• 부분문자열 범위 빈도 없는 문제는 $O(n\log\log u)$의 공간 복잡도와 $O(m)$의 쿼리 시간으로 해결되었으며, 예상 전처리 시간 $O(n(\log n + \log^\delta u))$를 갖는다. 이는 최적의 쿼리 시간을 달성한다.
• 다양한 문자열 색인링 문제에서 부분문자열 범위 보고로의 환원은 단순하고 일반적이며, 핵심 기법의 광범위한 적용 가능성을 보장한다.
• 이 프레임워크는 색인 트리와 고급 2차원 범위 보고 구조를 조합함으로써 최적의 쿼리 성능과 비선형 공간 복잡도를 달성할 수 있음을 보여주며, 이는 이전 방법들이 $\Omega(\log\log u)$의 쿼리 시간 또는 $\Omega(n^{1+\varepsilon})$의 공간 복잡도를 유발했던 제약을 극복한다.