Sparse matrix는 0이 아닌 원소만을 그 좌표 정보와 함께 저장한다. 따라서 모든 원소를 1차원 배열의 연속적인 메모리 공간상에 저장하는 dense matrix와는 달리, sparse matrix는 그 내부의 자료구조를 다양하게 선택할 수 있다. 따라서 sparse matrix의 관리를 위한 서로 다른 다양한 종류의 인-메모리 포맷이 존재할 수 있다.
현재까지 여러 종류의 sparse matrix 포맷이 제안되었고, 이들은 서로 다른 장단점을 가지고 있다. 선형대수 연산을 빠르게 지원할 수 있는 포맷은 행렬 갱신이 느리다는 단점이 있고, 그 반대로도 마찬가지이다. 그러나 sparse matrix의 많은 용례는 매우 동적이다. 다시 말해, sparse matrix의 행렬 갱신이 매우 빈번하게 발생한다. 따라서 sparse matrix는 선형대수 연산을 포함한 분석 질의를 주기적으로 처리하는 와중에 계속되는 행렬 갱신도 빠르게 처리할 수 있어야 한다.
그러므로 sparse matrix를 관리하는 주요 전략 중 하나는, 행렬 갱신이 계속되는 동안에는 이를 갱신이 빠른 포맷으로 관리하다가, 분석질의가 요청되었을 때 선형대수 연산처리가 빠른 포맷으로 변환하는 방식이다. 이 전략을 최대로 활용하기 위해, 본 논문은 RBForest라는 새로운 sparse matrix 포맷을 제안한다. RBForest는 각 행마다 하나의 레드-블랙 트리를 관리하여 0이 아닌 원소의 삽입, 삭제 이후 발생하는 자료구조 재조정 비용을 줄인다. 또한 해시 테이블을 관리하여 행렬이 관리하는 0이 아닌 원소에 즉시 접근할 수 있도록 하고, 이는 행렬 갱신에서의 초기 조회의 비용을 줄인다. 본 논문에서의 실험에 따르면 RBForest는 비슷한 전략으로 관리되는 sparse matrix 포맷과 비교했을 때, 현실의 동적 워크로드에서 더 효율적으로 동작한다는 것이 증명되었다.