[论文解读] RTED: A Robust Algorithm for the Tree Edit Distance

Mateusz Pawlik, Nikolaus Augsten|arXiv (Cornell University)|Dec 31, 2011

Graph Theory and Algorithms参考文献 2被引用 33

一句话总结

本文提出RTED，一种鲁棒的树编辑距离算法，通过动态选择最优分解策略（左倾/右倾）来最小化子问题数量。与以往方法在树结构影响下性能不可预测不同，RTED保证最坏情况下的O(n³)时间复杂度和O(n²)空间复杂度，无论在理论上还是实践中均优于所有已知竞争对手，对任意输入树对，其计算的子问题数不超过最优替代方案的子问题数。

ABSTRACT

We consider the classical tree edit distance between ordered labeled trees, which is defined as the minimum-cost sequence of node edit operations that transform one tree into another. The state-of-the-art solutions for the tree edit distance are not satisfactory. The main competitors in the field either have optimal worst-case complexity, but the worst case happens frequently, or they are very efficient for some tree shapes, but degenerate for others. This leads to unpredictable and often infeasible runtimes. There is no obvious way to choose between the algorithms. In this paper we present RTED, a robust tree edit distance algorithm. The asymptotic complexity of RTED is smaller or equal to the complexity of the best competitors for any input instance, i.e., RTED is both efficient and worst-case optimal. We introduce the class of LRH (Left-Right-Heavy) algorithms, which includes RTED and the fastest tree edit distance algorithms presented in literature. We prove that RTED outperforms all previously proposed LRH algorithms in terms of runtime complexity. In our experiments on synthetic and real world data we empirically evaluate our solution and compare it to the state-of-the-art.

研究动机与目标

• 为解决现有树编辑距离算法运行时间不可预测且常因树结构差异而过高这一问题。
• 开发一种方法，保证最优最坏情况复杂度的同时，在各种树结构下保持高效率。
• 提出一种动态分解策略，自适应地在左倾与右倾节点删除之间选择，以最小化子问题数量。
• 为一种空间高效且对输入变化具有鲁棒性的树编辑距离算法提供理论与实证基础。
• 在合成数据集与真实世界数据集上，实证验证RTED相较于最先进算法的优越性。

提出的方法

• 引入LRH（左-右-重）算法类，通过在每个递归步骤动态选择分解策略，对先前方法进行泛化。
• 提出GTED（广义树编辑距离）框架，以O(n²)空间和O(n³)时间实现任意LRH策略。
• 设计一种高效的O(n²)时间与空间算法，用于计算GTED的最优LRH策略，且不增加主算法的整体复杂度。
• 使用递归代价公式建模子问题数量，并动态选择使总子问题数最小的策略。
• 采用自底向上的动态规划方法，在计算实际编辑距离前预计算最优分解路径。
• 将策略计算无缝集成到主算法中，确保运行时开销最小化。

实验结果

研究问题

• RQ1 能否设计一种树编辑距离算法，使其在所有树结构下均具有最坏情况最优性且效率稳定？
• RQ2 是否存在一种动态分解策略，可使任意给定树对的子问题数量最小化？
• RQ3 能否在不增加主算法渐近空间或时间复杂度的前提下，高效计算最优LRH策略？
• RQ4 RTED在不同树结构下的性能与现有最先进算法相比如何？
• RQ5 在实际应用中，算法选择对运行时间的影响有多大？

主要发现

• RTED对任意输入树对，其计算的子问题数不超过任何已知LRH算法，因此在子问题数量上具有理论最优性。
• 实验结果表明，RTED在子问题数量上优于最佳竞争对手5.6%至30.6%，且随着树规模增大，优势进一步扩大。
• 在TreeFam数据集中最大规模的树上，RTED计算的子问题数仅为最差表现竞争对手的1/18。
• RTED的策略计算阶段仅占总运行时间的一小部分，且随树规模增大而减少。
• RTED在所有树结构下运行时间表现稳定，避免了Zhang与Demaine算法在某些树类型上出现的性能下降。
• 实证结果证实，RTED兼具高效性与可预测性，适用于具有可变树结构的实际应用场景。