텍스트 압축을 위한 삼진‑이진 혼합 기법

초록

본 논문은 텍스트 데이터를 압축하기 위해 삼진수 표현을 기반으로 한 새로운 인코딩 방식을 제안한다. 삼진 자릿값을 이진 2비트 쌍으로 매핑하고, 기존에 사용되지 않았던 이진 ‘11’ 패턴을 특별히 활용한다. 알파벳 대·소문자와 일상에서 자주 쓰이는 기호들을 4자리 삼진수로 코딩함으로써 비트 길이를 최소화하고, 압축 효율을 삼진 구조에 한정해 크게 향상시킨다. 또한 피보나치 수열과의 수학적 연관성을 탐색한다.

상세 분석

논문이 제시하는 핵심 아이디어는 삼진수(0, 1, 2)를 이진 비트열에 매핑하는 새로운 규칙을 도입함으로써, 기존 8비트 ASCII 기반 압축보다 더 짧은 비트 시퀀스를 얻는 것이다. 구체적으로 저자는 삼진 자릿값을 2비트 조합(00, 01, 10)으로 변환하고, 남은 조합인 ‘11’은 특별히 의미를 부여한다. ‘11’은 두 개의 연속된 삼진 ‘2’를 하나의 신호로 압축하거나, 빈도수가 높은 문자 집합에 대한 접두부 코드를 형성하는 데 사용된다. 이러한 설계는 삼진수 자체가 3진법이므로 정보량이 log₂3 ≈ 1.585 비트/심볼이라는 점을 활용한다. 즉, 4자리 삼진수는 4 × log₂3 ≈ 6.34 비트에 해당하지만, ‘11’ 패턴을 이용해 평균 비트 길이를 6 비트 이하로 낮출 수 있다.

알파벳과 일반 기호를 4자리 삼진수로 매핑한다는 점은 문자 집합을 3⁴ = 81개의 코드로 제한한다는 의미이며, 이는 대소문자(52)와 흔히 쓰이는 구두점·특수문자(≈20)를 충분히 포괄한다. 그러나 이 접근법은 문자 집합이 81자를 초과할 경우 추가적인 확장 메커니즘이 필요하며, 논문에서는 이를 위해 가변 길이 접두부 코드를 제안하지만 구체적인 구현 세부는 부족하다.

피보나치 수열과의 연관성은 ‘11’ 패턴이 연속된 삼진 ‘2’(즉, 2 + 2 = 4)와 매핑될 때, 압축된 비트 길이가 피보나치 수열의 인덱스와 일치한다는 관찰에 기반한다. 이는 이론적으로 최적 무손실 압축 한계인 엔트로피와 근접한 결과를 도출할 가능성을 시사하지만, 실제 데이터에 대한 실험적 검증이 논문에 제시되지 않아 그 유효성을 판단하기 어렵다.

기술적 관점에서 가장 큰 장점은 ‘11’ 패턴을 활용한 비트 절감 효과와 삼진 기반의 자연스러운 정보 밀도이다. 반면, 단점은 인코딩·디코딩 과정에서 삼진‑이진 변환 테이블을 유지해야 하며, 특히 ‘11’ 패턴의 의미를 동적으로 해석해야 하는 복잡성이 존재한다는 점이다. 또한 현재의 컴퓨팅 환경은 이진 연산에 최적화돼 있기 때문에, 삼진 연산을 소프트웨어 레벨에서 구현하면 오버헤드가 발생할 가능성이 크다.

선행 연구와 비교하면, 기존의 Huffman 코딩이나 Arithmetic 코딩은 확률 모델에 기반해 가변 길이 코드를 생성한다. 본 논문의 방법은 고정된 4자리 삼진 매핑과 ‘11’ 패턴이라는 제한된 가변성을 이용한다는 점에서 차별화된다. 그러나 확률 기반 방법이 데이터 특성에 맞춰 최적화되는 반면, 제안된 방식은 문자 집합이 고정되어 있어 텍스트 종류에 따라 압축 효율이 크게 변동할 수 있다.

요약하면, 삼진‑이진 혼합 인코딩은 이론적으로는 비트당 정보량을 향상시킬 수 있는 흥미로운 시도이며, 피보나치와의 수학적 연결 고리는 학술적 가치를 제공한다. 하지만 실용적인 적용을 위해서는 구현 효율성, 확장성, 다양한 텍스트 코퍼스에 대한 실험적 검증이 추가로 필요하다.