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
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
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 입력
str1 : FRANCE
str2 : french
예제 출력
16384
내가 했던 풀이 방법
- 대소문자를 신경쓰지 않기 위해 입력받은 두 문자열을 소문자로 바꾸어준다.
- 각 문자열을 두글자씩 분할하여 저장하기 위해 Map과 Set을 각각 초기화해준다. (Map과 Set을 둘 다 이용하는 이유는 다중집합이기 때문이다. Set을 이용할 경우, 중복 요소를 저장할 수 없으므로, 다중집합을 해결할 수 없다. 그렇지만 배열을 사용할 경우 has를 사용할 수 없어 교/합집합을 만드는데 시간을 많이 쓰게 된다. 이를 해결하기 위해 Map과 Set을 함께 사용하여 Map에는 해당 요소의 갯수 정보를 포함한다.)
- 각 문자열을 0부터 str.length-2까지 두 글자씩 분할하여 Map과 Set에 넣어준다. 이때, 특수문자와 공백 등이 포함된 경우는 버려야 하므로, charCodeAt을 이용하여, 아스키코드 값을 변환했을 때 소문자 범위에 두 글자 모두 들어오는 경우에만 추가해준다.
- union과 intersection 배열을 초기화해주고, 교/합집합을 구해준다. 만약 set1과 set2가 모두 공집합일 경우에는 answer을 1로 저장해준다. 둘 다 공집합이 아닐 경우, set1의 모든 요소를 검사한다. 만약 요소가 map2에 존재하지 않을 경우, 해당 값을 map1을 이용하여 갯수만큼 union에 value를 추가해준다. 만약 map2에 존재할 경우, map1와 map2에 해당 값을 비교하여 작은 값만큼 교집합에 추가해주고, 큰 값만큼 합집합에 추가해준다.
- set2에 요소 중에 set1에 없던 요소를 합집합에 추가해주어야 하므로, map1에 해당 요소가 없을 경우, map2를 이용하여 갯수만큼 합집합에 추가해준다.
- 교집합의 길이를 합집합의 길이로 나눈 값을 answer에 저장해준다.
- 계산된 answer를 65536을 곱한 뒤, 소수점을 버려준 값을 return해준다.
코드
function solution(str1, str2) {
var answer = 0;
str1 = str1.toLowerCase();
str2 = str2.toLowerCase();
let map1 = new Map();
let map2 = new Map();
let tmp = '';
let set1 = new Set();
let set2 = new Set();
for (let i = 0; i < str1.length - 1; i++) {
if (97 <= str1.charAt(i).charCodeAt() && 122 >= str1.charAt(i).charCodeAt()) {
if (97 <= str1.charAt(i + 1).charCodeAt() && 122 >= str1.charAt(i + 1).charCodeAt()) {
tmp = str1.charAt(i) + str1.charAt(i + 1);
if (map1.has(tmp)) {
map1.set(tmp, map1.get(tmp) + 1);
} else {
map1.set(tmp, 1);
}
set1.add(tmp);
}
}
}
for (let i = 0; i < str2.length - 1; i++) {
if (97 <= str2.charAt(i).charCodeAt() && 122 >= str2.charAt(i).charCodeAt()) {
if (97 <= str2.charAt(i + 1).charCodeAt() && 122 >= str2.charAt(i + 1).charCodeAt()) {
tmp = str2.charAt(i) + str2.charAt(i + 1);
if (map2.has(tmp)) {
map2.set(tmp, map2.get(tmp) + 1);
} else {
map2.set(tmp, 1);
}
set2.add(tmp);
}
}
}
let union = [];
let intersection = [];
if (set1.size === 0 && set2.size === 0) {
answer = 1;
} else {
set1.forEach((value) => {
if (!map2.has(value)) {
for (let i = 0; i < map1.get(value); i++) {
union.push(value);
}
} else {
for(let i=0; i<Math.min(map1.get(value), map2.get(value)); i++) {
intersection.push(value);
}
for (let i = 0; i < Math.max(map1.get(value), map2.get(value)); i++) {
union.push(value);
}
}
});
set2.forEach((value) => {
if (!map1.has(value)) {
for (let i = 0; i < map2.get(value); i++) {
union.push(value);
}
}
});
answer = intersection.length / union.length;
}
answer = Math.floor(answer * 65536);
return answer;
}회고
문제가 길고 클러스터링이라는 단어에서 오는 걱정으로 어려울 것이라 생각했지만, 어렵지 않았던 문제. 문제에서 설명을 자세하게 해주었기 때문에 특별한 선행지식이 필요하지는 않았다.
