[Swift] 뉴스 클러스터링 | 프로그래머스

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

코딩테스트 연습 - [1차] 뉴스 클러스터링

문제 설명

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

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

 

문제풀이

1. 문자열을 두 문자씩 자른 후 문자가 아닌 문자열은 제거한다. (splitString)

2. 자른 문자열 배열의 원소별 개수가 필요하고 활용해야 하므로 Dictionary를 이용해 저장한다. key-value쌍으로 저장한다. (fillDic)

3. 교집합의 경우 두 Dictionary를 비교한 뒤 같은 key가 존재할 경우 그중 작은 값을 교집합으로 가져온다. (compareDic)

4. 합집합의 경우 두 Dictionary 각각 value값을 더한 후 교집합 값을 빼준다.

5. 교집합 / 합집합 * 65536 을 return 한다.

 

함수

splitString

func splitString(_ str: String) -> [String] {
    var array: [String] = []
    let charArray = [Character](str.uppercased())

    for i in 0..<str.count-1 {
        guard (charArray[i].isLetter && charArray[i+1].isLetter) else {
            continue
        }
        array.append(String(charArray[i]) + String(charArray[i+1]))
    }
    return array
}

String을 Character타입 Array로 변환 후 두 문자씩 연결해 문자열을 다시 만드는데 문자가 아닌 경우는 제외한다.

문자가 아닌경우가 제외된 두 문자로 이루어진 문자열 배열을 return 한다.

 

fillDic

func fillDic(_ array: [String]) -> [String: Int] {
    var dic: [String: Int] = [:]
    for i in 0..<array.count {
        guard let value = dic[array[i]] else {
            dic.updateValue(1, forKey: array[i])
            continue
        }
        dic.updateValue(value+1, forKey: array[i])
    }
    return dic
}

Dictionary에 Key는 문자열, Value는 개수로 초기화한다.

guard구문 옵셔널 바인딩을 통해 값이 존재하지 않는다면 해당 문자열과 1로 초기화한다.

값이 존재한다면 기존 value값에 +1 하여 저장한다.

 

compareDic

func compareDic(big dic1: [String: Int], small dic2: [String: Int]) -> Int {
    var result: Int = 0
    
    for element in dic2 {
        if dic1.contains(where: {$0.key == element.key}) {
            result += min(dic1[element.key]!, element.value)
        }
    }
    
    return result
}

입력된 두 문자열 딕셔너리를 비교하여 같은 문자열을 찾아낸 후 두 value를 비교하여 최솟값을 가져온다.

최소값을 가져오는 이유는 교집합의 수를 구할 것이기 때문이다.

 

소스코드

func solution(_ str1:String, _ str2:String) -> Int {
    //문자열이 같을 경우 바로 결과값 return
    if (str1.uppercased() == str2.uppercased() || (str1.isEmpty && str2.isEmpty)) {
        return 65536
    }
    
    let dic1: [String: Int] = fillDic(splitString(str1))
    let dic2: [String: Int] = fillDic(splitString(str2))
    
    let intersection: Int = dic1.count >= dic2.count ? compareDic(big: dic1, small: dic2) : compareDic(big: dic2, small: dic1)
    var union: Int = dic1.values.reduce(0, {$0 + Int($1)}) + dic2.values.reduce(0, {$0 + Int($1)})
    union -= intersection
    
    return Int(Double(intersection) / Double(union) * 65536)
}

func splitString(_ str: String) -> [String] {
    var array: [String] = []
    let charArray = [Character](str.uppercased())

    for i in 0..<str.count-1 {
        guard (charArray[i].isLetter && charArray[i+1].isLetter) else {
            continue
        }
        array.append(String(charArray[i]) + String(charArray[i+1]))
    }
    return array
}

func fillDic(_ array: [String]) -> [String: Int] {
    var dic: [String: Int] = [:]
    for i in 0..<array.count {
        guard let value = dic[array[i]] else {
            dic.updateValue(1, forKey: array[i])
            continue
        }
        dic.updateValue(value+1, forKey: array[i])
    }
    return dic
}

func compareDic(big dic1: [String: Int], small dic2: [String: Int]) -> Int {
    var result: Int = 0
    
    for element in dic2 {
        if dic1.contains(where: {$0.key == element.key}) {
            result += min(dic1[element.key]!, element.value)
        }
    }
    
    return result
}

 

마치며

Swift에서는 문자열의 인덱스로 문자에 접근이 불가능하다. 그렇기 때문에 문자열의 index함수를 통해 접근하거나 문자열을 Character배열로 바꾸어 사용하면 된다. 이때 문자열의 인덱스를 활용해 접근하는 경우보다 Character배열을 통해 인덱스 값에 접근하는 것이 더 효율적이므로 치환해 사용하는 것을 추천한다.