[JavaScript] 프로그래머스 - 뉴스 클러스터링

[문제]

https://school.programmers.co.kr/learn/courses/30/lessons/17677

프로그래머스

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.

 

---

[풀이]

문자열 2개의 다중집합에 대한 자카드 유사도를 구해야하는 문제로, 우선 자카드 유사도를 계산하기 앞서 합집합과 교집합을 구해햐 합니다. 

 

문제의 예시 처럼 A = { 1, 1, 2, 2, 3 } 와 B = { 1, 2, 2, 4, 5 }의 교집합과 합집합을 구하는 방법은 다음과 같습니다.

현재 A, B를 탐색중인 index의 위치를 각각 p1, p2라고 생각하고 문제를 풀이하였습니다.

 

p1과 p2 모두 0부터 시작하여 끝에 도다를때까지 비교연산을 통해 다음과 같은 작업을 반복합니다.

• A[p1] === B[p2]라면 합집합, 교집합에 AorB의 값을 추가하고 p1과 p2를 모두 오른쪽으로 한칸 이동
• A[p1] < B[p2]라면 합집합에 A의 값을 추가하고 p1를 오른쪽으로 한칸 이동
• A[p1] > B[p2]라면 합집합에 B의 값을 추가하고 p2를 오른쪽으로 한칸 이동

이때, 만약 p1이나 p2의 값이 가르키는 배열의 마지막 index까지 비교연산을 완료했다면, 아직 끝에 도다르지 못한 배열의 값을 모두 합집합에 추가하고 연산을 끝냅니다.

 

 

연산 과정을 자세히 살펴보자면 다음과 같습니다.

1) p1 = 0, p2 = 0

A[p1]과 B[p2]의 값이 둘다 1이므로 교집합, 합집합에 모두 추가하고 p1++, p2++ 연산을 해줍니다.

2) p2 = 1, p2 = 1

A[p1] < B[p2] -> p1++, 합집합에 1 넣음

3) p1 = 2, p2 = 1

A[p1] === B[p2] -> p1++, p2++, 합집합에 2넣고, 교집합 2넣음

3) p2 = 3, p3 = 2

A[p1] === B[p2] -> p1++, p2++, 합집합에 2넣고, 교집합 2넣음

3) p2 = 4, p3 = 3

A[p1] < B[p2] -> p1++, 합집합네 3넣음

4) p1의 index가 A의 length인 5가 되어 반복 연산을 끝내고 현재 3(p2인 값)  ~ 4(B의 lengt-1)까지의 값을 합집합에 추가

 

따라서 합집합 = {1, 1, 2, 2, 3, 4, 5}, 교집합 = {1, 2, 2}를 구할 수 있습니다.

 

 

문제에서는 문자로 이루어진 길이 2의 문자쌍을 이용하라고 하였기 때문에 집합을 구해주는 과정에서 정규식을 사용하여 구해주었고, 위의 방식대로 탐색을 진행하기 위해 sort 연산을 통해 정렬하였습니다.

---

[코드]

function solution(str1, str2) {
    let answer = 0;
    const makeSet = (str) => {
        const strArr = [];
        const regex = /^[a-z|A-Z]+$/;
        for(let i=0;i<str.length-1;i++) {
            const subStr = str.substring(i, i+2).toUpperCase();
            if(regex.test(subStr)) strArr.push(subStr);
        }
        return strArr;
    }
    
    // 정렬된 중복 SET을 각각 만듦
    const str1Set = makeSet(str1).sort();
    const str2Set = makeSet(str2).sort();
    
    let p1 = 0;
    let p2 = 0;
    const union = [];
    const intersection = [];
    while(p1 < str1Set.length && p2 < str2Set.length) {
        // p1, p2 기준으로 비교하고 탐색을 진행
        if(str1Set[p1] === str2Set[p2]) {
            union.push(str1Set[p1]);
            intersection.push(str1Set[p1]);
            p1++;
            p2++;
        } else if(str1Set[p1] < str2Set[p2]) {
            union.push(str1Set[p1]);
            p1++;
        } else {
            union.push(str2Set[p2]);
            p2++;
        }
    }
    
    // 아직 str1이 다 들어가지 못했으면 나머지를 union에 채워줌
    if(p1 < str1Set.length) {
        for(let i=p1;i<str1Set.length;i++) {
            union.push(str1Set[i]);
        }
    }
    // 아직 str2이 다 들어가지 못했으면 나머지를 union에 채워줌
    if(p2 < str2Set.length) {
        for(let i=p2;i<str2Set.length;i++) {
            union.push(str2Set[i]);
        }
    }
    
    const uniLen = union.length;
    const interLen = intersection.length;
    if(uniLen === 0 && interLen === 0) {
        answer = 65536; 
    } else {
        answer = Math.floor((interLen/uniLen)*65536);
    }
    
    return answer;
}