情報生命科学特別講義….pptVIP

* * * * * * * * * * * EOTG, SEOTGの性質 文法のサイズ：　右辺に現れる木の枝数の合計 補題：　サイズ m のEOTGは、サイズ 3m 以下の 　　　　　SEOTGに変換可能 定理：　与えられた木がEOTGから生成可能かどうか 　　　　　は多項式時間で判定可能 圧縮においては、１個の木のみを生成する文法のみを対象　　←　与えられた木を圧縮したい オイラー文字列を作ってから文法圧縮すると、必ずしも木文法は得られない 圧縮アルゴリズム：TREE-BISECTION TREE-BISECTION (1) 木を再帰的に分割 同型な部分木が出てきたら同じラベルを割り当てる T が枝 A のみの場合 A→a という規則を追加して終了　（a は枝 A のラベル） T がタグなし木の場合 T を T1, T2 に分割。ただし、|T1|≦(1/2)|T|+1、かつ、 T1 はタグつき T2 を T3, T4 に分割。ただし、|T3|, |T4|≦(3/4)|T|+1 T がタグつき木の場合 T を T1, T2 に分割。ただし、|T1|≦(1/2)|T|+1、かつ、 T1 はタグつき T2 を T3, T4 に分割。 T3, T4 のいずれかのみがタグつき木 T3 がタグつき木なら、 |T3|≦(1/2)|T|+1　 （逆も同様） (|T4|は制約されないが、タグなし木なので次ステップで必ず小さくなる） 多項式時間で動作するのは、ほぼ明らか TREE-BISECTION (2) 枝１本のみ タグなし木 タグあり木 TREE-BISECTIONの解析 mk-補題（１） 補題：　木 T がサイズ m の EOTG により生成されたとすると、 es(T) に現れる長さ k の文字列のうち、異なるものは 2mk 個以下。 mk-補題 [Lehman Schelat 02] 文字列 s がサイズ m の CFG により生成されたとすると、 s に現れる長さ k の文字列のうち、異なるものは mk 個以下。 証明：　サイズ m のEOTG は、サイズ 2m の CFG に変換可能 例： オイラー文字列を用いて順序木に拡張 mk-補題（２） 命題：m*を最小EOTGのサイズとすると、アルゴリズム中で現れる サイズ k の木の種類は高々 証明：　サイズ k の木 ? 長さ 2k-2 の文字列。ただし、途中にタグが入る場合は、長さ k1 と 長さ (2k-2)-k1 の文字列の組み合わせ。 その他の補題 証明：　TREE-BISECTION は もとの木を edge disjoint な木 に分解 補題：　大きさ n の木を生成するEOTGのサイズは 補題：　TREE-BISECTION の再帰の深さは 補題：　TREE-BISECTION の 同じ深さの再帰レベルに現れる 木の枝の数の合計は n-1 以下 定理： TREE-BISECTION の近似率は O(n5/6) 同じ再帰レベルに現れるサイズnα +1以上の木の個数は (n-1)／nα n1-α　以下 アルゴリズム中に現れるサイズnα +1以上の木の個数は　 O(n1-α log n) サイズ nα 以下の木の種類は よって、アルゴリズム中に現れる異なる木の種類は α=1/6, m* が O(n1/6) とおいて （次数制約つき）無順序木への拡張 TREE-BISECTIONの変更点 T2 を、r(T2) と wj の子孫からなる部分木（j=1,…,h）に分解 順序木の同型性判定を無順序木の同型性判定に置き換え ? 入力木は子の順序に関係なく、一意に分解される EOTGの変更点 子の順序を無視 　　 e.g., (IIIA)=(IIIB) ? O(n5/6)近似 まとめ 文法圧縮：　入力データを一意に生成する最小文法の近似 文字列の文法圧縮 二分割法、LZ圧縮との関連、LCAを用いた圧縮 画像データの文法圧縮： 四分割法（二分割法の拡張） 木構造データの文法圧縮： 二分割法の拡張 補足 文字列の文法圧縮については最適に近い近似が可能 　　　　　　 　　[Rytter: Theoret. Comp. Sci. 2003], [Charikar et al.: IEEE Trans. Inf. Theory 2005] 文法圧縮した文字列に対する効率的な検索なども可能 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 [Bille et al.: Proc. SODA 2011] 画像データ、木構造データの近似率の改善は研究課題 * * *