[논문 리뷰] Tree Compression with Top Trees

Philip Bille, Inge Li Goertz외 2명|arXiv (Cornell University)|2013. 04. 21.

Algorithms and Data Compression참고 문헌 21인용 수 7

한 줄 요약

이 논문은 기존의 루트 서브트리 반복만을 이용하는 전통적 DAG 압축과는 달리, 트리 패턴 반복(모든 연결된 부분그래프)을 이용하는 새로운 압축 기법인 톱 트리 압축을 제안한다. 톱 트리 구조를 활용해 압축된 트리를 효율적으로 표현하고 탐색함으로써, 이 방법은 근사 최적의 압축 성능을 달성하며, 탐색 쿼리(예: 부모, 레이블, 크기, 깊이)를 로그 시간 내에 처리할 수 있고, DAG 압축보다 지수적으로 더 좋은 압축 성능을 내지만, 최악의 경우에서도 로그 인자 이내로 열 劣화되지 않는다.

ABSTRACT

We introduce a new compression scheme for labeled trees based on top trees. Our compression scheme is the first to simultaneously take advantage of internal repeats in the tree (as opposed to the classical DAG compression that only exploits rooted subtree repeats) while also supporting fast navigational queries directly on the compressed representation. We show that the new compression scheme achieves close to optimal worst-case compression, can compress exponentially better than DAG compression, is never much worse than DAG compression, and supports navigational queries in logarithmic time.

연구 동기 및 목표

• DAG 압축의 한계를 해결하기 위해, 루트 서브트리 반복만을 이용하고 단일 경로 트리와 같이 높은 내부 반복성을 가진 트리의 압축에 실패하는 문제를 해결하고자 한다.
• 모든 연결된 부분그래프인 트리 패턴 반복을 활용하는 압축 기법을 개발하여, 트리 내의 더 많은 구조적 중복을 포착하고자 한다.
• 압축된 표현에서 직접적으로 효율적인 탐색 쿼리(예: 부모, 레이블, 크기, 깊이)를 지원하고, 보장된 로그 시간 복잡도를 확보하고자 한다.
• 최악의 경우에서도 최적에 가까운 압축 비율을 확보하고, DAG 압축보다 최대 로그 인자 이내로 열 劣화되지 않도록 보장하고자 한다.
• 트리 패턴 반복이 루트 서브트리 반복보다 지수적으로 더 좋은 압축 성능을 낼 수 있음을 입증하고자 하며, 특히 반복적인 트리 구조에서의 성능 향상을 확인하고자 한다.

제안 방법

• 이 방법은 각 클러스터가 공통된 구조를 가진 연결된 부분그래프에 대응하는 계층적 분해 구조인 톱 트리를 사용하여 압축된 트리를 표현한다.
• 노드의 서브트리를 나타내는 클러스터 집합을 찾는 데 사용되는 FindRepresentatives 절차를 도입하며, 이는 톱 트리 분해에 대해 상향 및 하향 순회를 수행함으로써 수행된다.
• 각 클러스터에 대해 병합 정보와 구조적 메타데이터(예: 높이, 크기, 경계 노드)를 저장하여 효율적인 쿼리 연산을 지원한다.
• 부모, 다음 형제, 크기, 깊이 등의 탐색 쿼리는 클러스터 분해와 저장된 메타데이터를 이용하여 계산되며, O(log n) 시간 복잡도를 보장한다.
• 해당 클러스터를 펼쳐서 병합 규칙을 적용함으로써, 어떤 서브트리도 압축 해제할 수 있다.
• 이 기법은 공간 효율적이며, 전체 해제 없이도 압축된 구조에서 직접 경로 쿼리와 서브트리 쿼리를 지원하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 트리 패턴 반복을 이용하는 압축 기법이, 루트 서브트리 반복만을 이용하는 DAG 압축보다 최악의 경우 더 나은 압축 성능을 달성할 수 있는가?
• RQ2 임의의 트리 패턴 반복을 이용함에도 불구하고, 압축된 트리 표현에서 부모, 크기, 깊이 등의 효율적인 탐색 쿼리를 로그 시간 내에 처리할 수 있는가?
• RQ3 제안된 기법의 압축 비율은 DAG 압축 대비 최악의 보장을 어떻게 보장하고, 지수적 향상을 어떻게 달성하는가?
• RQ4 새로운 기법은 공간 효율적이면서도, 트리 문법 기반 접근에서 흔히 발생하는 지수적 쿼리 시간을 피할 수 있는가?
• RQ5 트리 패턴 반복 기반 기법과 DAG 압축과 같은 루트 서브트리 반복 기반 기법 사이에 압축 능력에서 증명 가능한 차이가 존재하는가?

주요 결과

• 톱 트리 압축 기법은 최악의 경우 최소 logσ^0.19 n의 압축 비율을 확보하며, 이는 트리 패턴 반복을 이용하는 모든 기법에 대해 처음으로 증명된 하한선이다.
• 이 기법은 특히 레이블이 동일한 단일 경로 트리와 같이 높은 내부 반복성을 가진 경우, DAG 압축보다 지수적으로 더 좋은 압축 성능을 낸다.
• 이 기법은 항상 DAG 압축보다 최대 로그 인자 이내로 열 劣화되지 않으며, 모든 트리 유형에서 안정적인 성능을 보장한다.
• 모든 탐색 쿼리(예: 부모, 크기, 깊이, 레이블)는 압축된 표현에서 직접 O(log n) 시간 내에 처리되며, 트리 문법 기반 방법에 비해 뚜렷한 성능 향상이 있다.
• 어떤 서브트리 T(x)의 압축 해제 시간은 O(log n + |T(x)|) 내에 수행되며, 효율적인 클러스터 검색과 국소적 펼침을 조합한다.
• 초기 실험 결과는 일반 XML 데이터셋에서 톱 트리 압축이 표준 DAG 압축을 능가함을 확인하였으며, 균형 잡힌 트리에서는 다소의 이점이 약간 있을 뿐이다.