[KAKAO BLIND RECRUITMENT] 뉴스 클러스터링

🗒️ 문제

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.

입출력 예제

str1	str2	answer
FRANCE	french	16384
handshake	shake hands	65536
aa1+aa2	AAAA12	43690
E=M*C^2	e=m*c^2	65536

📝 문제 해설

이 문제를 푸는데 필요한 조건이 엄청 많았다. 문제 지문의 양으로 일단 압도를 당했지만 주석을 먼저 작성하여서 문제를 푼다면 쉽게 풀릴 수 있을 것 같았다. 우선 문제에서 대문자와 소문자는 크게 차이를 두지 않는다 하였으므로 소문자로 일단 바꿔놓고 시작을 하였다. 또한 특수문자, 숫자, 띄어쓰기는 무시해버린다고 하였으므로 정규표현식을 이용하여 문자열에서 제거를 하였다. 이 문자열을 2개씩 잘라서 각각 새로운 배열에 넣어주는 것이 깔끔해보였다. 우리가 구하고자 하는 것은 교집합 / 합집합 이므로 이중 for문을 사용해서 같은 문자열이 있는 것을 count하여 최종적으로 count / (전체 문자열의 개수 -count)로 하여 계산을 하였다. 주어진 조건만 잘 따르면 쉽게 풀리는 문제인데? 라고 생각하였다.

결과는 테스트 케이스 2개 통과... 역시나 이렇게 쉽게 풀릴 카카오 문제가 아니지... 직접 노트에 끄적거리면서 순서대로 실행해본 결과 처음부터 특수문자, 숫자, 띄어쓰기를 무시해버리고 배열을 만들어버리면 전혀 다른 결과값이 나온다는 것을 알았다. 따라서 두개로 묶어서 새로운 배열에 넣어놓고 거기서 문자열만 이루어진 것이 아니면 제거하는 방식으로 코드를 수정해야 했다. 이때는 filter() 함수를 이용하여 배열 값을 제거하면 됐다.

이번에는 테스트 케이스 4가 문제였다. 콘솔 창으로 실행해본 결과 빈 배열이 있는 경우에는 예외처리를 해줘야 한다. 빈 배열인 경우, 즉 배열의 길이가 0인 경우에는 65536을 return 해주면 된다.

💡 필요 문법

toLowerCase()

문자열을 소문자로 바꿔준다.

push()

배열 가장 끝에 새로운 원소를 추가해준다.

substr(i,a)

문자열에 인덱스 i부터 a개를 잘라 문자열을 return 해주는 기능을 한다.

정규 표현식

아래 코드와 같은 정규 표현식은 원소가 시작점(^)부터 끝지점($)까지 1개이상(+) 알파벳으로만 이루어져야만 한다.
주의해야 할 점은 ^[]은 시작점을 의미하고 [^]은 부정 NOT을 의미한다.

filter()

조건문에 참 조건을 만족하는 값만 남겨두고 나머지는 배열에서 제거하는 기능을 한다. 아래 코드에서는 원소의 타입이 문자열이여야 하고 정규식을 만족해야만 한다.

typeof

자료형을 확인하는 메서드이고 true / false 와 같은 boolean 값을 return 한다.

regex.test()

인자로 받는 것이 해당 정규식에 참인 값을 갖으면 true를 return 하고 아니면 false를 return 한다.

splice(i,a)

배열에서 인덱스 i에 해당하는 값을 a개 제거하여 배열을 return 한다. 하지만 배열의 길이에 영향을 미치므로 반드시 i--를 해줘야 큰 오류가 발생하지 않는다.

💻 코드

function solution(str1, str2) {
    // 대소문자 구분을 없애기 위해 모두 소문자로 변환 후 배열로 변환
    str1 = str1.toLowerCase();
    str2 = str2.toLowerCase();
    
    // 두개씩 끊어서 새로운 배열에 저장
    let arr1 = [];
    let arr2 = [];
    
    // 공백이나 숫자, 특수 문자가 들어오면 버린다
    for(let i=0; i<str1.length -1; i++){
        arr1.push(str1.substr(i,2));
    }
    for(let i=0; i<str2.length -1; i++){
        arr2.push(str2.substr(i,2));
    }
    // 2개씩 묶은 배열에서 특수문자, 숫자, 공백이 있는 것은 모두 제거한다.
    const regex = /^[a-z]+$/; 
    // ^시작점을 의미하고 $끝지점을 의미한다. 시작부터 끝까지 소문자 알파벳이 +1번 이상 나타나야 한다.
    arr1 = arr1.filter(v => typeof v === 'string' && regex.test(v));
    arr2 = arr2.filter(v => typeof v === 'string' && regex.test(v));
    if(arr2.length === 0) return 1*65536;
    
   let sumCnt = arr1.length + arr2.length;
    
    // 배열끼리 비교하면서 교집합과 합집합 개수 찾기
    let cnt = 0;
    for(let i=0; i<arr1.length; i++){
        for(let j=0; j<arr2.length; j++){
            if(arr1[i] === arr2[j]){
                cnt++;
                arr2.splice(j,1);
                j--;
                break;
            }
            else continue;
        }
    }
    // (교집합 개수 / 합집합 개수) * 65536 리턴
    return Math.floor((cnt / (sumCnt - cnt)) * 65536);
}