높이 제한 트리 마이닝의 복잡도: 최대·폐쇄 빈도 트리 탐색

초록

본 논문은 트리 높이가 제한된 경우 최대·폐쇄 빈도 트리 마이닝 문제의 복잡성을 체계적으로 규명한다. 높이 ≤ 2인 무순서 트리에서는 폐쇄 빈도 트리를 다항 지연으로 열거할 수 있지만, 동일한 높이에서 출력‑다항 시간 알고리즘이 존재한다면 유명한 Dualization 문제도 해결될 수 있음을 보인다. 반면, 높이 ≤ 2인 순서 트리의 최대 빈도 트리 열거와 높이 ≤ 5인 무순서 트리의 최대 빈도 트리 열거는 P ≠ NP 가정 하에 출력‑다항 시간 알고리즘이 불가능함을 증명한다.

상세 분석

이 연구는 “실제 데이터베이스에서 트리 깊이가 보통 10~30 수준”이라는 실용적 가정을 바탕으로, 트리 높이에 따른 최대·폐쇄 빈도 트리 마이닝의 복잡도 경계를 명확히 제시한다. 먼저, 저자들은 기존 연구가 제시한 ‘높이 ≥ 60이면 문제는 NP‑hard’라는 결과와 대비해, 높이가 2 이하인 경우에도 여전히 어려운 상황이 존재함을 보여준다. 핵심 기여는 네 가지 정리이다.

Theorem 1은 높이 ≤ 2인 무순서(ordered) 트리에서 폐쇄 빈도 트리를 다항 지연(polynomial‑delay) 알고리즘으로 열거할 수 있음을 증명한다. 여기서 다항 지연이란, 두 연속 출력 사이의 최악 실행 시간이 입력·출력 크기에 대해 다항식이라는 의미이며, 이는 실제 데이터 마이닝 시스템에서 연속적인 결과 제공이 가능함을 보장한다.

Theorem 2는 동일한 설정(높이 ≤ 2, 무순서 트리)에서 출력‑다항 시간 알고리즘이 존재한다면, 오래전부터 열려 있던 Dualization 문제(또는 최소 전이/최대 독립 집합 열거)가 출력‑다항 시간으로 해결될 수 있음을 보여준다. Dualization은 현재까지도 출력‑다항 시간 알고리즘이 알려지지 않은 대표적인 #P‑hard 문제이므로, 이 정리는 폐쇄 빈도 트리 마이닝이 이론적으로 매우 어려운 문제와 동등한 난이도를 가진다는 강력한 하드니스 결과다.

Theorem 3은 두 가지 부정적 결과를 포함한다. 첫째, 높이 ≤ 2인 순서 트리에서 최대 빈도 트리를 출력‑다항 시간으로 열거하는 것은 P = NP 가정 없이는 불가능함을 증명한다. 둘째, 무순서 트리의 경우 높이 ≤ 5이면 동일한 불가능성을 보이며, 이는 높이가 2인 경우보다 더 넓은 범위에서 문제의 난이도가 유지된다는 점을 강조한다.

이러한 정리들을 뒷받침하기 위해 저자들은 트리 구조를 정수 멀티셋으로 매핑하는 χ 함수와 ⊑ 관계를 정의하고, 이를 통해 트리 동형성 판단을 정수 비교 문제로 환원한다. 특히, 높이 = 2인 트리는 루트와 그 자식들의 자식 수만을 고려하면 완전한 동형성을 판별할 수 있음을 보이며, 이때 최대 공통 트리(maximal common tree)가 유일하게 결정된다는 중요한 성질을 이용한다. 이 유일성은 Theorem 7, 9에서 정식화되어, 다중 트리 집합에 대한 공통 서브트리의 최대 형태를 효율적으로 계산할 수 있음을 의미한다.

마지막으로, 논문은 기존 연구와 비교한 복잡도 표(Table 1)를 제시한다. 여기서는 높이 구간별(1, 2, 34, 560, ≥ 60)로 문제를 분류하고, 각 구간에서 ‘다항‑시간 가능(PT)’, ‘다항‑지연(PD)’, ‘Dual‑hard’, ‘출력‑다항 불가능(N‑OP)’ 등 네 가지 복잡도 클래스를 명시한다. 특히, 높이 = 1에서는 모든 변형이 PT이며, 높이 = 2에서는 무순서 폐쇄 트리에서 PD, 순서 폐쇄 트리에서 Dual‑hard, 순서 최대 트리에서 N‑OP 등 세분화된 결과를 제공한다.

이 논문의 의의는 두fold이다. 첫째, 실무에서 흔히 마주치는 얕은 트리(특히 XML, JSON 등)의 마이닝에 대해 정확한 복잡도 경계를 제공함으로써, 알고리즘 설계 시 기대할 수 있는 성능 한계를 명확히 한다. 둘째, 폐쇄·최대 빈도 트리 마이닝이 Dualization과 같은 고전적인 열거 문제와 동등한 난이도를 가짐을 보여, 이 분야의 이론적 연구가 컴퓨터 과학 전반에 걸친 복잡도 이론과 깊게 연결될 수 있음을 시사한다.