스트리밍 모델에서 올바른 괄호 문자열 인식

초록

이 논문은 스트리밍 환경에서 서로 다른 s종류의 괄호가 올바르게 짝지어졌는지를 판별하는 Dyck(s) 문제를 다룬다. 한 번 통과하는 무작위 알고리즘은 Dyck(2)에 대해 O(√n log n) 공간과 polylog (n) 시간 복잡도를 보이며, 두 번 통과(두 번째는 역방향)하는 알고리즘은 O((log n)²) 공간만 필요하다. 또한, 정보 복잡도 기법을 이용해 한 번 통과 알고리즘의 공간 하한을 증명한다.

상세 분석

Dyck(s) 문제는 형식 언어 이론에서 가장 기본적인 비정맥 언어 중 하나로, s가지 종류의 여는 괄호와 닫는 괄호가 정확히 매칭되는지를 판단한다. 스트리밍 모델에서는 입력을 한 번 혹은 제한된 횟수만큼만 읽을 수 있기 때문에 전통적인 스택 기반 파싱이 직접 적용되기 어렵다. 저자들은 먼저 Dyck(2) 를 대상으로 한‑패스 무작위 알고리즘을 설계한다. 이 알고리즘은 입력을 √n 길이의 블록으로 나누고, 각 블록 내부에서는 완전한 스택을 유지한다. 블록 경계에서는 해시 기반의 다항식 지문(polynomial fingerprint)을 이용해 현재까지의 스택 상태를 압축한다. 구체적으로, 여는 괄호를 변수 x에 대한 1차항, 닫는 괄호를 -1차항으로 매핑하고, 모듈러 연산을 통해 해시 값을 업데이트한다. 이렇게 하면 전체 스택을 O(log n) 비트로 요약할 수 있으며, 블록마다 O(√n log n) 공간을 사용한다. 오류는 한쪽 오류(one‑sided)이며, 해시 충돌 확률은 충분히 큰 소수와 독립적인 무작위 비트를 선택함으로써 1/poly(n) 이하로 억제한다. 시간 복잡도는 각 문자마다 다항식 로그 연산만 필요하므로 polylog (n)이다.

하한 증명에서는 정보 비용(information cost) 프레임워크를 차용한다. 저자들은 “hard distribution”이라 불리는 입력 집합을 구성하고, 이 입력에 대해 어떤 스트리밍 알고리즘도 평균적으로 Ω(√n) 비트의 정보를 전달해야 함을 보인다. 핵심은 두 단계의 코인 사용을 교묘히 조합하는 것이다. 공개 코인(public coin)은 전체 입력에 대한 사전 지식을 제공하지만, 사후에 비공개 코인(private coin)을 통해 각 블록마다 독립적인 난수를 삽입한다. 이렇게 하면 직접 합(direct sum) 결과를 적용하면서도 각 블록에 대한 개별적인 정보 하한을 유지할 수 있다. 결국 한 번 통과 알고리즘이 O(√n log n) 이하의 공간을 사용할 경우, 오류 확률이 상수 이하가 되도록 할 수 없음을 증명한다.

역방향을 허용한 두 번 통과 알고리즘은 공간을 크게 절감한다. 첫 번째 순방향 패스에서는 각 문자에 대해 현재까지의 해시 값을 누적하고, 동시에 블록 경계에서 중간 해시를 저장한다. 두 번째 역방향 패스에서는 저장된 중간 해시를 이용해 역방향으로 해시를 “역연산”함으로써, 실제 스택 구조를 재구성하지 않고도 전체 문자열이 올바른지 검증한다. 이 과정에서 필요한 메모리는 각 블록당 O(log n) 비트, 전체적으로 O((log n)²) 비트에 불과하다. 오류는 역시 한쪽 오류이며, 두 패스 모두 polylog (n) 시간 안에 수행된다.

마지막으로, Dyck(s) 문제는 적절한 스트리밍 감소(reduction)를 통해 Dyck(2) 로 변환할 수 있음을 보인다. 각 종류의 괄호를 2진 코드로 인코딩하고, 해당 코드를 연속적인 여는/닫는 괄호 쌍으로 매핑함으로써 s가지 유형을 두 종류만을 사용하는 형태로 바꾼다. 따라서 위에서 제시한 알고리즘과 하한 결과는 모든 s에 대해 그대로 적용된다. 이 논문은 스트리밍 알고리즘의 공간 복잡도와 형식 언어 이론 사이의 깊은 연관성을 밝히며, 특히 정보 이론적 기법이 하드 코스팅에 어떻게 활용될 수 있는지를 보여준다.