중첩 및 계층적 반복으로부터의 텍스트 거리: 압축 기반 관점
Text Distance from Nested and Hierarchical Repetitions: A Compression-Based Perspective
Ladderpath 접근법을 활용해 언어 시퀀스 내 반복 하위 구조 간의 중첩·계층적 관계를 추출하고, 이를 기반으로 정규화 압축 거리(NCD) 및 Dice·Jaccard 계수에서 영감을 받은 두 가지 거리 측도를 정의한다. $k$-최근접 이웃 분류기와 결합한 세 가지 거리 측도는 분포 외(OOD) 및 퓨샷(few-shot) 설정에서 gzip 기반 NCD와 BERT를 모두 능가하며, 학습 없이도 효과적인 텍스트 분류가 가능함을 보여준다.