압축 문자열에서 부분 수열 인식 속도 혁신

초록

본 논문은 직선 프로그램(SLP)으로 압축된 텍스트와 압축되지 않은 패턴 사이의 지역 부분수열 인식 문제를 다룬다. 기존 O( \bar m n² log n ) 알고리즘을 O( \bar m n^{1.5} ) 시간으로 개선했으며, 동일한 복잡도로 압축 텍스트와 비압축 패턴 사이의 최장 공통 부분수열(LCS) 길이도 계산한다.

상세 분석

이 연구는 대용량 데이터 처리에서 압축 문자열에 직접 연산을 수행하는 방법을 탐구한다. 압축 방식으로 가장 일반적인 직선 프로그램(SLP)은 Lempel‑Ziv 계열 압축을 포괄하며, 압축된 텍스트 길이 \bar m 은 원본 길이 m 에 비해 지수적으로 작을 수 있다. 기존 연구인 Cegielski 등은 SLP‑압축 텍스트와 비압축 패턴 사이의 전역·지역 부분수열 인식 문제를 O(\bar m n² log n) 시간에 해결했지만, 이는 n 이 커질수록 비현실적이다.

저자는 먼저 전역 부분수열 인식을 위한 O(\bar m n) 시간의 ‘민속 알고리즘’을 제시하고, 이를 기반으로 보다 일반적인 “부분 반국소 LCS” 문제에 접근한다. 핵심 아이디어는 정렬 다이렉트 그래프(align‑dag)를 무한 격자로 확장하고, 최고 점수 경로를 나타내는 ‘최고 점수 행렬(A)’를 ‘임계점(critical point)’이라는 홀수 반정수 좌표의 집합으로 압축한다. 임계점 집합은 무한 순열 행렬 D_A 로 표현되며, 이 행렬의 분포 행렬 d_A 를 이용해 A(i,j)=j−i−d_A(i,j) 라는 간단한 관계식이 성립한다.

이때 ‘지배 관계(dominance)’를 이용한 2‑차원 카운팅 기법을 적용하면, 두 순열 행렬의 곱셈을 O(n^{1.5}) 시간에 수행할 수 있다. 저자는 이전 작업