클럼 통계 구성과 정확한 생성함수

본 논문은 단어 집합 U 에 대해 “클럼”(clump)이라는 새로운 통계적 객체를 정의하고, 이를 정확히 셈하기 위한 조합론적 프레임워크를 구축한다. 클럼은 겹치지 않는 최대 연속 발생 집합으로, 기존 연구에서는 주로 확률론적 근사와 포아송 혹은 복합 포아송 분포를 이용해 대수적 특성을 분석하였다. 그러나 이러한 접근은 텍스트 길이가 충분히 클 때만 근사 정확도가 보장되며, 짧은 시퀀스에서는 오차가 크게 발생한다. 저자들은 먼저 Régnier‑Szpankowski가 제시한 언어 분해 기법을 재해석한다. 단어 w 또는 단어 집합 U 에 대해 “Right”, “Minimal”, “Ultimate”, “Not” 네 종류의 언어를 정의하고, 각각을 생성함수 R(z), M(z), U(z), N(z) 로 표현한다. 이때 R 은 첫 번째 발생 전까지의 문자열, M 은 두 발생 사이의 최소 문자열, U 는 마지막 발생 이후의 문자열, N 은 전혀 발생하지 않는 문자열을 의미한다. 다음으로 자기상관 집합 C (autocorrelation set)을 도입한다. C 은 단어 w 가 자체와 겹칠 수 있는 모든 접미‑접두 관계를 포함한다. C 의 비공백 원소 C◦ 는 유한 언어이며, 이를 기반으로 접두코드 K 를 구성한다. Lemma 1은 K 가 C* (즉, C 의 자유합)를 유일하게 분해한다는 것을 증명한다. 이는 클럼 내부에서 겹치는 발생을 정확히 모델링하기 위한 핵심 단계이다. 그 후, Lemma 2·3을 통해 전체 텍스트를 다음과 같은 구조식으로 분해한다. 텍스트 = N ∪ R·w·(C*)·