작은 공간에서 다중 패턴 매칭으로 LZ77 근사

초록

이 논문은 Karp‑Rabin 해시를 활용해 여러 패턴을 동시에 찾는 알고리즘을 제시하고, 이를 이용해 LZ77 파싱을 최적 파싱 길이 z에 비례하는 O(z) 공간만으로 (1+ε) 배 이하의 구문 수를 갖는 근사 파싱을 O(ε⁻¹ n log n) 시간에 수행한다는 결과를 얻는다.

상세 분석

본 연구는 문자열 매칭 분야에서 가장 기본적인 문제인 다중 패턴 매칭을 새로운 관점에서 접근한다. 기존의 Aho‑Corasick 알고리즘은 O(n+m) 시간에 O(m) 공간을 요구하지만, 패턴의 총 길이 m 에 비해 파싱 수 z 가 훨씬 작을 경우 메모리 사용량이 비효율적이다. 저자들은 Karp‑Rabin의 롤링 해시를 확장해 모든 패턴을 해시 테이블에 저장하고, 텍스트를 한 번 스캔하면서 윈도우의 해시값을 갱신한다. 핵심 아이디어는 해시값 충돌을 확률적으로 억제하면서도, 해시 테이블 대신 O(s) 공간을 차지하는 결정적 사전(dictionary)을 구축해 충돌 검증 비용을 상수 시간에 처리한다는 점이다. 이를 위해 패턴을 길이별로 구분하고, 짧은 패턴은 압축 트라이와 슬라이딩 윈도우를 결합해 O(n log ℓ + s) 시간에 처리한다. 긴 패턴은 길이 구간별로 그룹화하고, 각 패턴을 전·후접두사(α, β)와 전체 문자열의 주기성을 분석한다. 특히, 전·후접두사 중 하나가 비주기적이면 해당 패턴은 텍스트 내에서 드물게 나타나므로 별도 처리가 필요 없으며, 두 접두·접미사가 모두 고주기적이면 구조적 정보를 이용해 효율적으로 매칭한다. 주기 검사는 O(|w|) 시간에 상수 공간으로 수행할 수 있는 알고리즘을 적용한다.

이러한 다중 패턴 매칭 프레임워크를 LZ77 파싱 근사에 적용한다. 최적 파싱이 z 개의 구문으로 이루어진다고 가정하면, 파싱 과정에서 현재 위치까지의 가장 긴 이전 구간을 찾는 작업을 “패턴 매칭” 문제로 변환한다. 구문 길이를 기준으로 ε 에 따라 구간을 나누고, 각 구간에 대해 위에서 설계한 다중 패턴 매칭 알고리즘을 실행한다. 결과적으로 전체 텍스트를 O(ε⁻¹ n log n) 시간에 스캔하면서, 사용 메모리는 현재까지 발견된 구문의 수에 비례하는 O(z) 에 불과하다. 이는 기존에 Ω(n / polylog n) 공간을 필요로 하던 퀀타일리니어(LZ77) 파싱 알고리즘에 비해 획기적인 공간 절감 효과를 제공한다. 또한, 알고리즘은 Monte‑Carlo 방식으로 높은 성공 확률을 보장하지만, 추가적인 검증 절차를 통해 Las‑Vegas 형태로도 변환 가능하다.

전체적으로 본 논문은 (1) Karp‑Rabin 기반 다중 패턴 매칭을 O(n log n + m) 시간· O(s) 공간으로 구현하고, (2) 이를 LZ77 파싱 근사에 적용해 O(z) 공간· O(ε⁻¹ n log n) 시간 복잡도를 달성한다는 두 가지 주요 공헌을 제시한다. 특히, 파싱 결과가 텍스트 길이에 비해 지수적으로 작을 때도 메모리 사용량이 텍스트 크기에 종속되지 않는 점이 실용적인 가치가 크다.