[논문 리뷰] Optimal LZ-End Parsing Is Hard

Hideo Bannai, Mitsuru Funakoshi외 4명|arXiv (Cornell University)|2023. 01. 01.

Natural Language Processing Techniques인용 수 1

한 줄 요약

이 논문은 정점 커버 문제로부터의 환원을 통해, LZ-End 제약 조건 하에서 문장 수가 최소가 되는 최적의 LZ-End 파싱을 계산하는 것이 NP-완전임을 증명한다. 또한 정확한 계산을 위한 MAX-SAT 포지션을 제시하고, 탐욕적 LZ-End 파싱과 최적 파싱 간의 근사 비율에 대해 2의 하한을 설정하여, 특정 이진 문자열에 대해 이 비율이 점점 2에 수렴함을 보인다.

ABSTRACT

LZ-End is a variant of the well-known Lempel-Ziv parsing family such that each phrase of the parsing has a previous occurrence, with the additional constraint that the previous occurrence must end at the end of a previous phrase. LZ-End was initially proposed as a greedy parsing, where each phrase is determined greedily from left to right, as the longest factor that satisfies the above constraint~[Kreft & Navarro, 2010]. In this work, we consider an optimal LZ-End parsing that has the minimum number of phrases in such parsings. We show that a decision version of computing the optimal LZ-End parsing is NP-complete by showing a reduction from the vertex cover problem. Moreover, we give a MAX-SAT formulation for the optimal LZ-End parsing adapting an approach for computing various NP-hard repetitiveness measures recently presented by [Bannai et al., 2022]. We also consider the approximation ratio of the size of greedy LZ-End parsing to the size of the optimal LZ-End parsing, and give a lower bound of the ratio which asymptotically approaches $2$.

연구 동기 및 목표

• LZ-End 제약 조건 하에서 문장 수가 최소가 되는 최적의 LZ-End 파싱을 찾는 계산 복잡도를 규명하는 것.
• MAX-SAT 포지션을 이용한 최적의 LZ-End 파싱에 대한 정확한 계산 방법을 개발하는 것.
• 특히 최악의 성능을 고려할 때, 탐욕적 LZ-End 파싱과 최적 파싱 간의 근사 비율을 분석하는 것.

제안 방법

• 최적의 LZ-End 파싱의 决定 문제를 정점 커버 문제로부터 환원하여 NP-완전성을 증명한다.
• 유효한 LZ-End 파싱의 제약 조건을 인코딩하기 위해 O(n²)개의 변수와 O(n²)개의 절을 가진 MAX-SAT 인스턴스를 구축한다.
• 문장 선택 및 참조 규칙을 인코딩하기 위해 소프트 절과 기수 제약 조건을 사용한다.
• 각 문장이 새로운 기호를 시작하거나 문장 경계에서 끝나는 접두어를 참조하도록 제약 조건을 부과한다.
• 기수 제약 조건을 선형 크기로 인코딩하여 CNF 크기를 관리 가능하게 유지한다.
• 비트 문자열의 일군의 가족을 분석하여 탐욕적 파싱 크기와 최적 파싱 크기 간의 비율에 대한 하한을 유도한다.

실험 결과

연구 질문

• RQ1 최적의 LZ-End 파싱을 계산하는 문제는 NP-완전한가?
• RQ2 MAX-SAT 포지션을 사용하여 최적의 LZ-End 파싱을 정확히 계산할 수 있는가?
• RQ3 탐욕적 LZ-End 파싱과 최적 파싱 간의 최악의 근사 비율은 무엇인가?
• RQ4 탐욕적 파싱 크기와 최적 파싱 크기 간의 비율이 점점 2를 초과할 수 있는가?

주요 결과

• 최적의 LZ-End 파싱을 계산하는 결정 문제는 정점 커버 문제로부터의 환원을 통해 NP-완전함을 증명하였다.
• O(n²)개의 변수와 O(n²)개의 절을 가진 MAX-SAT 포지션은 최적의 LZ-End 파싱을 정확히 계산하는 데 가능하게 한다.
• 이진 문자열의 일군의 가정에서, 탐욕적 LZ-End 파싱 크기(ze)와 최적 파싱 크기(zend) 간의 비율은 점점 2에 수렴한다.
• ze/zend 비율에 대한 2의 하한은, 모든 문자열에 대해 ze ≤ 2zno가 성립한다는 추측 하에 날카로운 하한이 된다.
• 구성에 따르면 탐욕적 파싱은 최적에서 임의로 멀어질 수 있으며, 이 격차는 점점 2의 요소에 수렴한다.
• 결과적으로 탐욕적 LZ-End 파싱은 최악의 경우 2보다 나은 상수 요소 근사가 보장되지 않음을 시사한다.