ε 전이 자동기의 모호성 테스트를 위한 고속 알고리즘

**1. 연구 배경 및 문제 정의** 자동기의 모호성은 문자열 하나에 대해 몇 개의 성공 경로가 존재하는지를 나타내는 특성으로, 유한·다항·지수 모호성으로 구분된다. 이 특성은 언어 이론, 컴파일러 최적화, 음성 인식, 확률 모델 등 다양한 분야에서 알고리즘의 정확성·수렴성을 보장하는 데 필수적이다. 기존 연구에서는 ε‑전이가 없는 자동기에 대해 O(|A|ₑ³)·O(|A|ₑ²) 복잡도로 모호성을 판별했지만, ε‑전이가 포함되면 전이 수가 |A|₂²까지 폭발해 복잡도가 O((|A|ₑ+|A|₂²)³) 수준으로 급격히 악화되었다. **2. 주요 기여** - ε‑전이가 있는 자동기에 대해 **지수 모호성**을 O(|A|ₑ²) 시간에, **유한·다항 모호성**을 O(|A|ₑ³) 시간에 판별하는 알고리즘을 제시. - 다항 모호성 차수 d를 동일 복잡도 O(|A|ₑ³) 안에 계산하는 방법을 제공. - ε‑필터를 이용한 **자동기 교차(Intersection)** 알고리즘을 설계하고, 그 정확성을 정리와 증명을 통해 보장. - 이 알고리즘을 활용해 **확률 자동기의 엔트로피**를 근사하는 응용 사례를 제시, 기존 방법보다 효율적임을 입증. **3. ε‑필터 기반 교차 알고리즘** 자동기 A₁, A₂의 교차는 상태쌍 (q₁,q₂) 로 구성된다. ε‑전이가 존재하면 단순히 (ε,ε) 매칭을 허용하면 중복 경로가 무수히 생성된다. 이를 방지하기 위해 다음 절차를 따른다. 1. 각 자동기에 ε‑라벨을 재명명(ε₁, ε₂)하고, 모든 상태에 자기 자신으로 가는 ε₁·ε₂ 자가 루프를 추가한다. 2. Figure 3(d)와 같은 **ε‑필터 M**을 삽입한다. M은 (ε₂:ε₁) 대각선 매치를 우선시하고, (ε₁:ε₁)·(ε₂:ε₂) 순서를 차단한다. 3. 최종 교차는 ˜A₁ ∘ M ∘ ˜A₂ 로 구현되며, 이는 ε‑전이 없이도 일반 교차 규칙(1)만 적용하면 된다. 정리 2와 정리 3을 통해, 두 자동기의 성공 경로 쌍 (π₁,π₂) ↔ 교차 자동기의 유일한 성공 경로가 1:1 대응함을 증명한다. **4. 모호성 판별 절차** - **지수 모호성(EDA)**: A∩A의 강연결 성분(SCC)에서 (p,p)와 (q,q′) (q≠q′)가 존재하면 EDA가 성립한다. SCC 탐색은 O(|A|ₑ²) 시간. - **유한·다항 모호성(IDA)**: A∩A에 (p,q)와 (q,p) 형태의 서로 다른 경로가 존재하면 무한 모호성이 된다. 이를 확인하기 위해 두 번의 교차와 그래프 탐색을 수행, 복잡도 O(|A|ₑ³). - **다항 차수(IDAd)**: 차수 d를 검증하려면 A를 d번 교차한 Aᵈ를 만든 뒤, 위와 동일한 구조가 존재하는지 확인한다. d가 고정된 상수라면 전체 복잡도는 여전히 O(|A|ₑ³). **5. 다항 차수 계산** 다항 모호성인 경우, 최소 차수 d는 가장 큰 d에 대해 IDAd가 만족되는 값을 찾는 이분 탐색으로 구한다. 각 단계마다 위의 교차·SCC 검사를 수행하므로 전체 시간은 O(|A|ₑ³·log d) 이지만, d는 보통 입력 크기에 비해 작아 실질적으로 O(|A|ₑ³)이다. **6. 확률 자동기 엔트로피 근사** 확률 자동기의 엔트로피는 각 문자열에 대한 경로 가중치의 로그합을 평균한 값이다. 모호성이 높을 경우 동일 문자열에 대한 경로가 중복 카운트돼 정확한 엔트로피 계산이 어려워진다. ε‑필터 기반 교차를 이용하면 각 문자열에 대해 **고유한** 경로 집합만을 추출할 수 있어, 경로 가중치의 합을 정확히 구하고, 이를 로그와 평균 연산에 적용해 엔트로피를 근사한다. 실험 결과, 기존 방법 대비 2~3배 빠른 계산 속도와 동일 수준의 정확도를 보였다. **7. 구현 및 실험** 알고리즘은 OpenFST 라이브러리를 기반으로 구현했으며, 다양한 크기의 ε‑전이 자동기(수천~수만 전이)에서 테스트했다. 결과는 다음과 같다. - 지수 모호성 테스트: O(|A|ₑ²) 이론 복잡도와 일치, 기존 O((|A|ₑ+|A|₂²)²) 대비 10~100배 가속. - 유한·다항 모호성 테스트: O(|A|ₑ³) 에서 평균 30배 가속. - 다항 차수 계산: 실시간(수초 내) 수행 가능. **8. 결론 및 향후 연구** 논문은 ε‑전이가 포함된 자동기의 모호성 판별을 기존보다 훨씬 효율적으로 수행할 수 있음을 증명했다. ε‑필터라는 간단하면서도 강력한 메커니즘은 다른 자동기 연산(예: 합성, 최소화)에도 확장 가능성이 있다. 향후 연구에서는 필터를 가중치가 있는 반대로 확장해 **가중치 자동기**의 모호성 및 엔트로피 계산을 일반화하거나, 동적 스트림 환경에서 실시간 모호성 모니터링을 탐구할 수 있다.