[논문 리뷰] Cartesian Tree Matching and Indexing

Sung Gwan Park, Amihood Amir외 2명|arXiv (Cornell University)|2019. 05. 22.

Algorithms and Data Compression참고 문헌 19인용 수 7

한 줄 요약

이 논문은 두 문자열이 동일한 카르테시안 트리를 생성할 경우에만 매칭되는 새로운 문자열 매칭 패러다임인 카르테시안 트리 매칭을 소개한다. 부모-거리 표현을 사용하여 단일 및 다중 패턴 매칭을 선형 시간에 수행할 수 있는 알고리즘을 제시하며, 랜덤화된 O(n) 시간에 구성 가능한 카르테시안 서피스 트리 데이터 구조를 도입하여 금융 시계열 분석과 같은 분야에서 수치 문자열 패턴에 대한 효율적인 색인화를 가능하게 한다.

ABSTRACT

We introduce a new metric of match, called Cartesian tree matching, which means that two strings match if they have the same Cartesian trees. Based on Cartesian tree matching, we define single pattern matching for a text of length n and a pattern of length m, and multiple pattern matching for a text of length n and k patterns of total length m. We present an O(n+m) time algorithm for single pattern matching, and an O((n+m) log k) deterministic time or O(n+m) randomized time algorithm for multiple pattern matching. We also define an index data structure called Cartesian suffix tree, and present an O(n) randomized time algorithm to build the Cartesian suffix tree. Our efficient algorithms for Cartesian tree matching use a representation of the Cartesian tree, called the parent-distance representation.

연구 동기 및 목표

• 절대값이 아닌 상대적 값이 더 중요한 수치 시계열 데이터에서의 패턴 매칭 수요를 해결한다.
• 정확한 문자열 시퀀스가 아닌 카르테시안 트리의 구조적 동형성에 기반한 새로운 매칭 기준인 카르테시안 트리 매칭을 도입한다.
• 이 새로운 기준 하에서 단일 및 다중 패턴 매칭을 위한 효율적인 알고리즘을 개발한다.
• 대규모 텍스트에서 빠른 패턴 검색을 지원하기 위해 새로운 색인 구조인 카르테시안 서피스 트리를 설계하고 구축한다.
• 절대값이 아닌 상대적 극값 구조로 정의되는 패턴(예: '헤드 앤 셀러즈')이 중요한 금융 시장 분석과 같은 분야에서의 실용적 응용을 가능하게 한다.

제안 방법

• 두 문자열의 카르테시안 트리가 동형일 경우에만 매칭되는 카르테시안 트리 매칭을 정의한다.
• 카르테시안 트리를 압축적이고 효율적으로 표현하기 위해 부모-거리 표현(PDR)을 도입하여 선형 시간 비교를 가능하게 한다.
• PDR을 활용하여 텍스트 부분문자열과 패턴의 PDR을 비교함으로써 O(n + m) 시간 알고리즘을 설계하여 단일 패턴 매칭을 수행한다.
• 랜덤화된 알고리즘을 사용하여 다중 패턴 매칭을 확장하여 O(n + m) 시간 복잡도를 달성하거나, 결정론적 O((n + m) log k) 시간 알고리즘을 제안한다.
• 모든 서피스의 부모-거리 표현을 일종의 퀼라-서피스 컬렉션으로 모델링하여 카르테시안 서피스 트리를 구성하며, 콜과 하리하라의 선형 시간 서피스 트리 구축 조건을 만족시킨다.
• 수식 1에 기반한 문자 오라클을 활용하여 트리 구축 중 PDR 요소에 상수 시간에 액세스할 수 있도록 하여 O(n) 기대 시간 복잡도를 확보한다.

실험 결과

연구 질문

• RQ1 절대값과 무관하게 상대적 극값과 같은 구조적 패턴을 포착할 수 있는 새로운 문자열 매칭 기준을 정의할 수 있는가?
• RQ2 이 새로운 기준 하에서 단일 및 다중 패턴 매칭을 위한 효율적인 O(n + m) 시간 알고리즘을 설계할 수 있는가?
• RQ3 카르테시안 트리 매칭을 위한 서피스 트리 유사 색인 구조를 구축할 수 있으며, 만약 가능하다면 선형 시간에 구성할 수 있는가?
• RQ4 부모-거리 표현이 실질적으로 카르테시안 트리의 비교 및 색인화를 효율적으로 가능하게 하는가?
• RQ5 기존의 순서 유지 매칭 또는 파rameterized 매칭과 같은 일반화된 매칭 모델과 비교해 볼 때, 카르테시안 트리 매칭은 시계열 데이터에서 의미 있는 패턴을 더 잘 포착하는가?

주요 결과

• 카르테시안 트리 매칭은 두 문자열의 카르테시안 트리가 구조적으로 동일할 경우에만 매칭되는 새로운 매칭 기준으로, '헤드 앤 셀러즈'와 같은 상대적 극값 패턴 탐지가 가능하다.
• 부모-거리 표현은 카르테시안 트리 간의 선형 시간 비교를 가능하게 하여 효율적 알고리즘의 기초를 마련한다.
• 단일 패턴 매칭을 위한 O(n + m) 시간 알고리즘이 제시되어 기존의 난이도 높은 접근 방식에 비해 크게 향상되었다.
• 다중 패턴 매칭의 경우 랜덤화된 O(n + m) 시간 또는 결정론적 O((n + m) log k) 시간 알고리즘을 달성하여 대규모 패턴 세트에 대한 확장성을 확보하였다.
• 카르테시안 서피스 트리는 효율적 패턴 검색을 지원하는 새로운 색인 구조로 도입되었으며, 콜과 하리하라의 알고리즘을 활용해 O(n) 기대 시간에 구성 가능하다.
• 구축 과정은 서피스의 부모-거리 표현을 퀼라-서피스 컬렉션으로 모델링하여, 선형 시간 구축에 필요한 조건을 만족시킨다.