[프로그래머스][LEVEL2] [1차] 뉴스 클러스터링

# 문제 원문

뉴스 클러스터링

여러 언론사에서 쏟아지는 뉴스, 특히 속보성 뉴스를 보면 비슷비슷한 제목의 기사가 많아 정작 필요한 기사를 찾기가 어렵다. Daum 뉴스의 개발 업무를 맡게 된 신입사원 튜브는 사용자들이 편리하게 다양한 뉴스를 찾아볼 수 있도록 문제점을 개선하는 업무를 맡게 되었다.

개발의 방향을 잡기 위해 튜브는 우선 최근 화제가 되고 있는 "카카오 신입 개발자 공채" 관련 기사를 검색해보았다.

• 카카오 첫 공채..'블라인드' 방식 채용
• 카카오, 합병 후 첫 공채.. 블라인드 전형으로 개발자 채용
• 카카오, 블라인드 전형으로 신입 개발자 공채
• 카카오 공채, 신입 개발자 코딩 능력만 본다
• 카카오, 신입 공채.. "코딩 실력만 본다"
• 카카오 "코딩 능력만으로 2018 신입 개발자 뽑는다"

기사의 제목을 기준으로 "블라인드 전형"에 주목하는 기사와 "코딩 테스트"에 주목하는 기사로 나뉘는 걸 발견했다. 튜브는 이들을 각각 묶어서 보여주면 카카오 공채 관련 기사를 찾아보는 사용자에게 유용할 듯싶었다.

유사한 기사를 묶는 기준을 정하기 위해서 논문과 자료를 조사하던 튜브는 "자카드 유사도"라는 방법을 찾아냈다.

자카드 유사도는 집합 간의 유사도를 검사하는 여러 방법 중의 하나로 알려져 있다. 두 집합 A, B 사이의 자카드 유사도 J(A, B)는 두 집합의 교집합 크기를 두 집합의 합집합 크기로 나눈 값으로 정의된다.

예를 들어 집합 A = {1, 2, 3}, 집합 B = {2, 3, 4}라고 할 때, 교집합 A ∩ B = {2, 3}, 합집합 A ∪ B = {1, 2, 3, 4}이 되므로, 집합 A, B 사이의 자카드 유사도 J(A, B) = 2/4 = 0.5가 된다. 집합 A와 집합 B가 모두 공집합일 경우에는 나눗셈이 정의되지 않으니 따로 J(A, B) = 1로 정의한다.

자카드 유사도는 원소의 중복을 허용하는 다중집합에 대해서 확장할 수 있다. 다중집합 A는 원소 "1"을 3개 가지고 있고, 다중집합 B는 원소 "1"을 5개 가지고 있다고 하자. 이 다중집합의 교집합 A ∩ B는 원소 "1"을 min(3, 5)인 3개, 합집합 A ∪ B는 원소 "1"을 max(3, 5)인 5개 가지게 된다. 다중집합 A = {1, 1, 2, 2, 3}, 다중집합 B = {1, 2, 2, 4, 5}라고 하면, 교집합 A ∩ B = {1, 2, 2}, 합집합 A ∪ B = {1, 1, 2, 2, 3, 4, 5}가 되므로, 자카드 유사도 J(A, B) = 3/7, 약 0.42가 된다.

이를 이용하여 문자열 사이의 유사도를 계산하는데 이용할 수 있다. 문자열 "FRANCE"와 "FRENCH"가 주어졌을 때, 이를 두 글자씩 끊어서 다중집합을 만들 수 있다. 각각 {FR, RA, AN, NC, CE}, {FR, RE, EN, NC, CH}가 되며, 교집합은 {FR, NC}, 합집합은 {FR, RA, AN, NC, CE, RE, EN, CH}가 되므로, 두 문자열 사이의 자카드 유사도 J("FRANCE", "FRENCH") = 2/8 = 0.25가 된다.

입력 형식

• 입력으로는 str1과 str2의 두 문자열이 들어온다. 각 문자열의 길이는 2 이상, 1,000 이하이다.
• 입력으로 들어온 문자열은 두 글자씩 끊어서 다중집합의 원소로 만든다. 이때 영문자로 된 글자 쌍만 유효하고, 기타 공백이나 숫자, 특수 문자가 들어있는 경우는 그 글자 쌍을 버린다. 예를 들어 "ab+"가 입력으로 들어오면, "ab"만 다중집합의 원소로 삼고, "b+"는 버린다.
• 다중집합 원소 사이를 비교할 때, 대문자와 소문자의 차이는 무시한다. "AB"와 "Ab", "ab"는 같은 원소로 취급한다.

출력 형식

입력으로 들어온 두 문자열의 자카드 유사도를 출력한다. 유사도 값은 0에서 1 사이의 실수이므로, 이를 다루기 쉽도록 65536을 곱한 후에 소수점 아래를 버리고 정수부만 출력한다.

예제 입출력

str1 / str2 / answer

FRANCE	french	16384
handshake	shake hands	65536
aa1+aa2	AAAA12	43690
E=M*C^2	e=m*c^2	65536

해설 보러가기

 

# 문제 풀이

먼저 입력 받은 문자열 str1, str2을 문제에서 요구하는대로 앞 과 뒤 양 문자를 합친 문자열 배열로 얻는다. 시행착오로 먼저 정규식으로 유효한 알파벳을 제외하고 처리했더니 문제에서 요구 하는 내용에 부합하지 않았던 것 같다. 그렇게 얻어진 문자열 배열들이 유효한지 (알파벳 대소문자 2개로 이루어져있는지)를 체크해서 유효하지 않는 요소들을 모두 필터링해서 자카드 유사도를 비교할 집합 a, b를 얻을 수 있다.

a,b의 요소가 없는 경우 계산 과정에서 null을 리턴 할 수 있는데 a,b둘다 빈 배열인 경우와 a와 b중 하나만 빈배열인 경우가 나뉜다. 이 경우 a, b배열이 없는 경우를 체크해서 0일 경우 디폴트 값인 65536을 리턴해준다.

두 배열이 정상적으로 있을 경우 각각 합집합과 교집합을 구해야하는데. 이걸 단순히 set으로 구할 경우 지문에서 말하는 원소 중복을 허용하는 다중집합일 경우 문제가 발생하니 반복문을 돌려서 체크해준다.(이걸로 시간을 많이 잡아먹었다.) 그후 얻어진 교집합 합집합 갯수를 교집합 / 합집합으로 자카드 유사도를 구해서 반환해주면 되는 문제이다.

 

# 솔루션 플로우

1. 입력 받은 문자열 str1, str2를 문제에서 요구하는 내용에 맞게 처리해서 집합(배열) a,b를 얻는다.

2. 배열 b의 요소가 하나도 없다면 교집합이 없으므로 기본값인 65536을 반환한다.

3. 배열 a를 순회하면서 각 요소를 배열 b에 있는지 확인한다.

4. a와 b의 요소가 동일하다면 교집합이므로 교집합 갯수를 증가시키고 해당 요소를 마킹한다.

5. 3-4 과정을 반복해서 얻어진 교집합 갯수와  합집합 갯수(a + b - 교집합)를 통해서 자카드 유사도를 구한다.

6. 구해진 result를 반환한다.

1. 반복문을 활용한 풀이

function solution(str1, str2) {
    const [a, b] = [ // 두 입력 값 str1, str2의 유효한 문자 조합 a,b를 얻는다.
        Array.from(str1)
            .map((char, idx, origin) => {
                if (origin[idx + 1]) {
                    const result = (char + origin[idx + 1]).toUpperCase();
                    return /[a-zA-Z]{2}/g.test(result) ? result : null;
                } else return null;
            })
            .filter((word) => word !== null),
        Array.from(str2)
            .map((char, idx, origin) => {
                if (origin[idx + 1]) {
                    const result = (char + origin[idx + 1]).toUpperCase();
                    return /[a-zA-Z]{2}/g.test(result) ? result : null;
                } else return null;
            })
            .filter((word) => word !== null)
    ];
   	if (a.length === 0 && b.length === 0) return 65536; // 모두 없을시

    let count = 0;
    a.forEach((a) => {
        b.some((word, idx) => {
            if (a === word) {
                count++;
                b[idx] = false;
                return true;
            }
        })
    })

    return parseInt(count / (a.length + b.length - count) * 65536);
}