[논문 리뷰] Finding Maximal Exact Matches in Graphs

Manuel Cáceres|arXiv (Cornell University)|2022. 12. 15.

Algorithms and Data Compression인용 수 3

한 줄 요약

이 논문은 레이블이 부여된 방향 비순환 그래프(DAG)에 대한 정확한 문자열 매칭을 위한 최초의 매개변수화된 알고리즘을 제시한다. k-펌펄과 STk와 같은 새로운 그래프 클래스를 통해 위상적 구조를 활용함으로써, 접두사-비비례하는 매칭만 추적하는 방식으로 케니-모리스-프랫(Knuth-Morris-Pratt) 알고리즘을 일반화함으로써, 주기적인 문자열에 대해 비제곱 시간 성능을 달성하고, 시간 복잡도를 O((|V| + |E|)k² + m²)로 제공한다. 여기서 k는 DAG의 구조적 복잡도를 측정한다.

ABSTRACT

The problem of String Matching to Labeled Graphs (SMLG) asks to find all the paths in a labeled graph $G = (V, E)$ whose spellings match that of an input string $S \in Σ^m$. SMLG can be solved in quadratic $O(m|E|)$ time [Amir et al., JALG], which was proven to be optimal by a recent lower bound conditioned on SETH [Equi et al., ICALP 2019]. The lower bound states that no strongly subquadratic time algorithm exists, even if restricted to directed acyclic graphs (DAGs). In this work we present the first parameterized algorithms for SMLG in DAGs. Our parameters capture the topological structure of $G$. All our results are derived from a generalization of the Knuth-Morris-Pratt algorithm [Park and Kim, CPM 1995] optimized to work in time proportional to the number of prefix-incomparable matches. To obtain the parameterization in the topological structure of $G$, we first study a special class of DAGs called funnels [Millani et al., JCO] and generalize them to $k$-funnels and the class $ST_k$. We present several novel characterizations and algorithmic contributions on both funnels and their generalizations.

연구 동기 및 목표

• SETH 기반의 제곱 시간 하한선을 고려할 때, 위상적 구조에 기반한 매개변수화된 알고리즘을 도입하여 레이블이 부여된 DAG에 대한 문자열 매칭의 제곱 시간 하한선을 극복하고자 한다.
• 접두사-비비례하는 매칭에만 집중함으로써, 계산량을 줄이기 위해 KMP 알고리즘의 DAG 버전을 일반화하고자 한다.
• 구조적 매개변수를 가능하게 하는 데 기여하는 새로운 그래프 클래스인 k-펌펄과 STk를 정의하고 특성화하고자 한다.
• 이러한 그래프 클래스에 대한 효율적인 인식 및 분할 알고리즘을 제공하여 매개변수화된 해법을 뒷받침하고자 한다.
• 실제로 카운팅/보고 기능으로의 확장과 비매개변수화된 선형 시간 해법의 가능성 탐색을 목표로 한다.

제안 방법

• 접두사-비비례하는 매칭만 유지함으로써, 활성 상태 수를 줄이고 KMP 알고리즘의 DAG 버전을 일반화한다.
• 각 정점 v에 대해 접두사-비비례 집합(PIv)의 개념을 도입하여, v에서 끝나는 모든 유효한 접두사 매칭을 포괄한다.
• k-펌펄과 STk 클래스를 펌펄의 일반화로 정의하며, 여기서 k는 공통된 접두사 또는 접미사를 공유하는 경로의 최대 수를 측정한다.
• k-펌펄 구조에 기반한 분할 전략을 사용하여 DAG를 G[V1] ∈ Sk와 G[V2] ∈ Tk로 분할하며, V2에서 V1로의 간선은 존재하지 않는다.
• 동적 프로그래밍을 활용해 O(m²) 시간 내에 불리언 테이블 PS[i,j]를 사전 계산하여, O(|PIu|·|SIv|) 시간 내에 V1에서 V2로의 간선을 통해 매칭 존재 여부를 테스트한다.
• 지수 탐색을 적용하여 DAG가 STk에 속하는 최소 k를 O((|V| + |E|) log k) 시간 내에 계산한다.

실험 결과

연구 질문

• RQ1 SETH 기반의 제곱 시간 하한선이 존재하는 데도 불구하고, 위상적 구조에 기반한 매개변수화된 알고리즘을 통해 레이블이 부여된 DAG에 대한 문자열 매칭을 비제곱 시간 내에 해결할 수 있는가?
• RQ2 KMP 알고리즘은 어떻게 DAG에 적응시켜 중복된 접두사 매칭을 처리하지 않고도 매개변수화된 선형 시간 성능을 달성할 수 있는가?
• RQ3 k-펌펄과 STk 클래스의 구조적 특성은 효율적인 문자열 매칭과 인식을 가능하게 하는가?
• RQ4 DAG가 STk에 속하는 최소 k를 효율적으로 계산할 수 있으며, 이는 전체 알고리즘 복잡도에 어떤 영향을 미치는가?
• RQ5 매개변수화된 접근 방식을 확장하여, 발생 수에 비례하는 선형 시간 내에 모든 매칭을 카운팅하거나 보고할 수 있는가?

주요 결과

• 논문은 O((|V| + |E|)k² + m²) 시간 내에 실행되는 매개변수화된 알고리즘을 제시한다. 여기서 k = maxv∈V(min(μs(v), μt(v)))이며, 특정 DAG 구조에서는 기존의 O(m|E|) 경계를 개선한다.
• 주기적인 문자열에 대해 접두사-비비례 집합의 크기가 제한되어 있음을 활용함으로써, 이 알고리즘은 비제곱 성능을 달성한다. 이 크기는 패턴 문자열 S의 구조에 의해 상한이 설정된다.
• k-펌펄과 STk 클래스에 대해 선형 시간 인식 알고리즘을 제공하여, 매개변수화된 해법의 효율적 사전 처리를 가능하게 한다.
• DAG가 STk에 속하는 최소 k는 지수 탐색을 통해 O((|V| + |E|) log k) 시간 내에 계산할 수 있다.
• O(m²) 시간 내에 동적 프로그래밍 테이블 PS[i,j]를 사전 계산하여, V1에서 V2로의 간선을 통해 매칭 존재 여부를 O(|PIu|·|SIv|) 시간 내에 테스트한다. 여기서 |PIu|·|SIv| = O(k²)이다.
• 접두사-비비례하는 매칭에만 집중함으로써, KMP 알고리즘의 DAG 버전을 일반화하였으며, 이는 각 정점에서 끝나는 모든 유효한 접두사 매칭을 표현하는 데 충분하다.