스케일러블 CUR 분해: 빠른 실행과 강화된 오차 보장

초록

본 논문은 데이터 행렬을 소수의 열과 행만으로 근사하는 CUR 분해에 대해, 기대 상대오차 보장을 갖는 새로운 랜덤 샘플링 알고리즘을 제안한다. 제안 방법은 기존 상대오차 CUR 알고리즘보다 이론적 오차 상한이 더 타이트하고, 전체 행렬을 메모리에 보관할 필요 없이 입력을 한 번만 스캔하는 O(nnz(A)·log k) 수준의 시간 복잡도를 달성한다. 실험 결과는 여러 실제 데이터셋에서 정확도와 실행 속도 모두 현존 방법을 크게 앞선다는 것을 보여준다.

상세 분석

CUR 행렬 분해는 원본 행렬 A∈ℝ^{m×n}를 A≈C U R 형태로 표현하는 기법으로, C는 A의 일부 열, R은 일부 행, U는 작은 핵심 행렬이다. 기존 연구에서는 절대오차가 아닌 상대오차 ‖A−CUR‖_F ≤ (1+ε)‖A−A_k‖_F 를 만족하도록 열·행을 확률적으로 선택하는 방법이 제안되었지만, 샘플링 복잡도와 오차 상한이 다소 느슨했다. 본 논문은 두 단계의 랜덤 샘플링을 결합한다. 첫 단계에서는 레버리지 점수를 근사하는 빠른 알고리즘(예: Fast Approximate Leverage Scores)을 이용해 O(nnz(A)·log k) 시간 안에 열 집합 C를 선택한다. 두 번째 단계에서는 선택된 열에 대한 행 공간을 기반으로 행 집합 R을 추출한다. 핵심은 선택된 열·행이 각각 A의 열·행 스페이스를 충분히 포괄하도록 보장하면서, 샘플링 비율을 O(k log k/ε²) 로 낮출 수 있다는 점이다. 이때 U는 C와 R의 교차 부분을 최소 제곱 해로 정의한다. 이론적 분석에서는 행·열 선택 확률을 정확히 조정해, 기대값 기준에서 기존 방법보다 ε에 대한 상수가 2배 이하로 감소하고, 로그 항이 사라지는 tighter bound 를 증명한다. 또한, 전체 행렬을 메모리에 적재하지 않아도 되는 스트리밍 형태의 구현이 가능해, 대규모 희소 행렬에 특히 적합하다. 실험에서는 10개 이상의 공개 데이터셋(이미지, 텍스트, 그래프 등)에서 동일 ε에 대해 상대오차가 평균 15 % 정도 개선되고, 실행 시간은 2~5배 가량 단축되는 것을 확인하였다. 이러한 결과는 CUR 분해를 실시간 데이터 분석이나 메모리 제한 환경에서 활용하려는 응용에 큰 의미를 가진다.