[논문 리뷰] An efficient algorithm for computing the edit distance of a regular language via input-altering transducers

Lila Kari, Stavros Konstantinidis외 2명|arXiv (Cornell University)|2014. 06. 04.

Algorithms and Data Compression인용 수 6

한 줄 요약

이 논문은 NFA로 지정된 정규언어의 편집 거리(edit distance)를 계산하는 데 효율적인 알고리즘인 DistBestInpAlter을 제안한다. 이 알고리즘은 최악의 경우 시간 복잡도 $O(n^2d)$를 달성하며, 여기서 $n$은 전이 수이고 $d$는 계산된 편집 거리이다. 이 방법은 오류 탐지 성질을 모델링하기 위해 입력을 변경하는 전이기계(transducer)를 활용하여 이전 방법들에 비해 뚜렷한 성능 향상을 이룬다. 실험적 검증을 통해 수개의 주기수 차이의 속도 향상이 확인되었다.

ABSTRACT

We revisit the problem of computing the edit distance of a regular language given via an NFA. This problem relates to the inherent maximal error-detecting capability of the language in question. We present an efficient algorithm for solving this problem which executes in time $O(r^2n^2d)$, where $r$ is the cardinality of the alphabet involved, $n$ is the number of transitions in the given NFA, and $d$ is the computed edit distance. We have implemented the algorithm and present here performance tests. The correctness of the algorithm is based on the result (also presented here) that the particular error-detection property related to our problem can be defined via an input-altering transducer.

연구 동기 및 목표

• NFA로 주어진 정규언어의 편집 거리를 계산하는 데 있어 발생하는 계산적 과제를 해결함으로써, 이 언어의 본질적인 오류 탐지 능력을 반영하고자 한다.
• 치환, 삽입, 삭제를 허용하는 sid(k) 채널에 대한 오류 탐지 성질이 입력을 변경하는 전이기계를 통해 형식적으로 기술될 수 있는지 탐구하고자 한다.
• 이러한 전이기계의 구조적 성질을 활용하여 편집 거리 계산을 위한 더 효율적인 알고리즘을 개발하고자 한다.
• 새로운 알고리즘을 구현하고 이전 방법들과의 비교를 통해 실증적으로 평가하여 실용적인 성능 향상을 입증하고자 한다.

제안 방법

• 이 알고리즘은 새로운 이론적 결과에 기반한다: sid(k) 채널에 대한 오류 탐지 성질은 정리 11에서 형식적으로 증명된 바와 같이, 효율적인 입력을 변경하는 전이기계를 통해 기술될 수 있다.
• 이 방법의 핵심은 최대 무게 $d$까지의 모든 가능한 편집 문자열을 모델링하는 전이기계를 구성하는 것으로, 언어 내 단어 간 최소 편집 거리를 탐지할 수 있도록 한다.
• 알고리즘은 NFA와 전이기계를 조합한 제품 자동기의 상태 공간에서 동적 프로그래밍을 사용하여, 쌍의 단어 간 최소 편집 비용을 추적한다.
• 주요 최적화는 전이기계 구축 시 중복된 대각선 전이를 제거하는 것으로, 이는 정당성과 무게 계산에 영향을 주지 않으면서 상태 폭발을 줄인다.
• 자동기 조작을 위해 FAdo 라이브러리를 활용하고, 비교 평가를 위해 중간 및 최적화된 버전을 포함한 여러 알고리즘 변형을 구현한다.
• 최종 알고리즘인 DistBestInpAlter은 입력을 변경하는 전이기계의 구조를 비틀어 사용함으로써, 초기 오류 탐지 기반 접근법을 정교화하여 유도된다.

실험 결과

연구 질문

• RQ1 치환, 삽입, 삭제를 허용하는 sid(k) 채널에 대한 오류 탐지 성질이 입력을 변경하는 전이기계를 통해 형식적으로 정의될 수 있는가?
• RQ2 이러한 전이기계 표현 방식이 기존 방법들보다 정규언어의 편집 거리 계산을 더 효율적으로 수행할 수 있는가?
• RQ3 입력 변경 전이기계를 사용할 경우, NFA에 대한 편집 거리 계산에서 이론적이고 실용적인 성능 향상은 어느 정도인가?
• RQ4 편집 거리와 자동기 크기가 증가함에 따라 이 알고리즘이 이전의 $O(n^8)$ 시간 복잡도를 가지는 방법들과 비교해 어떻게 스케일링되는가?

주요 결과

• 제안된 알고리즘인 DistBestInpAlter은 최악의 경우 시간 복잡도 $O(n^2d)$를 달성하여, 이전의 NFA에 대한 $O(n^8)$ 복잡도에 비해 상당한 향상이 이루어졌다.
• 실험 결과, DistBestInpAlter은 모든 이전 변형보다 일관되게 빠르며, 더 큰 NFA에서는 실행 시간이 최대 두 개의 주기수 차이로 감소하였다.
• 21개 상태를 가진 NFA $\mathbf{a}_{21}$의 경우, 이전 최고 알고리즘이 3.4시간이 넘게 소요된 반면, DistBestInpAlter은 단 0.029초 만에 완료되었다.
• 73개 상태를 가진 더 큰 NFA $\mathbf{b}_{8}$의 경우, DistBestInpAlter은 1.919초 내로 실행되었고, 이는 이전 최고 알고리즘이 5시간이 넘게 소요된 것과 대비된다.
• 편집 거리 $d$가 증가함에 따라 DistBestInpAlter의 성능은 $d$에 대한 $O(n^2d)$ 의존성 덕분에 안정적이고 효율적인 유지가 가능하다.
• 전이기계 구축 시 대각선 전이의 제거가 안전하고 효과적임이 입증되었으며, 정당성과 출력에 영향을 주지 않으면서 공간 효율성을 향상시켰다.