Tree edit distance is a well-studied measure of dissimilarity between rooted trees with node labels. It can be computed in $O(n^3)$ time [Demaine, Mozes, Rossman, and Weimann, ICALP 2007], and fine-grained hardness results suggest that the weighted version of this problem cannot be solved in truly subcubic time unless the APSP conjecture is false [Bringmann, Gawrychowski, Mozes, and Weimann, SODA 2018]. We consider the unweighted version of tree edit distance, where every insertion, deletion, or relabeling operation has unit cost. Given a parameter $k$ as an upper bound on the distance, the previous fastest algorithm for this problem runs in $O(nk^3)$ time [Touzet, CPM 2005], which improves upon the cubic-time algorithm for $k\ll n^{2/3}$. In this paper, we give a faster algorithm taking $O(nk^2 \log n)$ time, improving both of the previous results for almost the full range of $\log n \ll k\ll n/\sqrt{\log n}$.


翻译:树的编辑距离是具有节点标签的树根树之间不同之处的一种研究良好的衡量尺度。 可以用$O (n) 3 美元的时间计算 [ maine, Mozes, Rossman, and Weimann, CROCP 2007] 和细微的硬度结果显示, 这个问题的加权版本无法在真正的子立方时间解决, 除非 APSP 的猜测是假的 [ Bringmann, Gawrychowski, Mozes, and Weimann, SODA 2018] 。 我们考虑的是未加权的树编辑距离版本, 在那里, 每一次插入、 删除或重新标签操作都有单位成本。 鉴于参数是美元作为距离的上限, 这一问题之前最快的算法是 $(nk) 3 美元 [Touzet, CPM 2005], 时间在立方时算法得到改进 $k\ll n3} $。 在本文中, 我们给出了一种快速的算法, $(n_2\log n$) 时间, 改进了前两次结果的全程。

0
下载
关闭预览

相关内容

第47届自动化、语言和编程国际学术讨论会(ICALP 2020)是欧洲理论计算机科学的主要会议和欧洲理论计算机科学协会(EATCS)年会,将于2020年7月8日至12日在中国北京举行。ICARP 2020将有两个传统的轨道A(算法、复杂度和游戏)和B(自动机、逻辑、语义和编程理论)。官网链接:https://econcs.pku.edu.cn/icalp2020/
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
专知会员服务
60+阅读 · 2020年3月19日
已删除
将门创投
4+阅读 · 2019年11月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | USENIX Security 2020等国际会议信息5条
Call4Papers
7+阅读 · 2019年4月25日
图像分类算法优化技巧:Bag of Tricks for Image Classification
人工智能前沿讲习班
8+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
计算机视觉领域顶会CVPR 2018 接受论文列表
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Dimensionality Reduction for Sum-of-Distances Metric
Arxiv
0+阅读 · 2021年6月24日
VIP会员
相关资讯
已删除
将门创投
4+阅读 · 2019年11月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | USENIX Security 2020等国际会议信息5条
Call4Papers
7+阅读 · 2019年4月25日
图像分类算法优化技巧:Bag of Tricks for Image Classification
人工智能前沿讲习班
8+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
计算机视觉领域顶会CVPR 2018 接受论文列表
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员