[1차] 뉴스 클러스터링 Swift

문제 설명

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.

내가 푼 풀이

아주 차근차근 입력해가서 규칙대로 소거해나갔다.

1. str1 , str2 개별로 크기가 2인 문자열을 뽑아냈다.

2. 뽑아낸 문자열중 영문자가 아니면 pass , 영문자라면 결과배열에 추가

      (전부 대문자로 만들고 UnicodeScalar의 코드가 65 이상 90이하)

3. 문자열을 추가한 str1의 배열 A, str2의 배열 B에서  A ∩ B , A ∪ B 를 구한다.

4. 문자 A와 B를 순회하면서 다음 조건에 맞는 배열을 따로 저장한다.

Set을 이용해서 교집합 합집합을 쉽게 구할 수 있지만, 문제의 집합은 중복집합을 허용하므로 Set을 사용하지 않는다.

중복집합인경우 교집합은 한 배열의 a의 갯수 최솟값, 합집합은 한 배열의 a갯수 최댓값 이다.

ex) A = ["1", "1", "1", "1", "1"] , B = ["1", "1"] 일때

A ∩ B = min(5,2) = 2 , A ∪ B = max(5,2) = 5 

A B 모두 중복집합 일수도 있고, 아닐수도있고 하나만 중복일 수 있으므로 아래 방법으로 구한다.

두가지 배열을 준비한다. A - B  = Z , B - A = Y

• A배열을 순회한다.
• A[i] == B[i] -> A ∩ B ,  B에서 B[i] 제거 (B - A)
• A[i] != B[i] -> A[i] 를 배열에 저장 ( A - B )

모두 순회하면 세가지 배열이 생성된다. A ∩ B , A - B, B - A

A ∩ B 는 이미 구해졌고, A ∪ B = (A ∩ B) + (A - B) + (B - A) 이다.

유사도 J 는 교집합 / 합집합으로

결과는 Int( Double(A ∩ B / A ∪ B) * 65536) 이다.

 

 

func solution(_ str1:String, _ str2:String) -> Int {
    var str1Arr = [String]()
    var str2Arr = [String]()
    
    for i in 0..<str1.count-1 {
        var s1 = str1[str1.index(str1.startIndex, offsetBy: i)].uppercased()
        var s2 = str1[str1.index(str1.startIndex, offsetBy: i+1)].uppercased()
        var s1code = UnicodeScalar(s1)!.value
        var s2code = UnicodeScalar(s2)!.value
        if s1code >= 65 && s1code <= 90 {
            if s2code >= 65 && s2code <= 90 {
                str1Arr.append("\(s1)" + "\(s2)")
            }
        }
    }
    for i in 0..<str2.count-1 {
        var s1 = str2[str2.index(str2.startIndex, offsetBy: i)].uppercased()
        var s2 = str2[str2.index(str2.startIndex, offsetBy: i+1)].uppercased()
        var s1code = UnicodeScalar(s1)!.value
        var s2code = UnicodeScalar(s2)!.value
        if s1code >= 65 && s1code <= 90 {
            if s2code >= 65 && s2code <= 90 {
                str2Arr.append("\(s1)" + "\(s2)")
            }
        }
    }
    
    var exArr = [String]()
    var nArr = [String]()
    for i in 0..<str1Arr.count {
        var idx = -1
        var s1 = str1Arr[i]
        for j in 0..<str2Arr.count{
            if s1 == str2Arr[j] {
                nArr.append(s1)                
                idx = j
                break
            }
        }
        if idx >= 0 {
            str2Arr.remove(at: idx)
        } else {
            exArr.append(s1)
        }
        
    }
    var num1: Double = Double(nArr.count)
    var num2: Double = Double(nArr.count + exArr.count + str2Arr.count)
    if num1 == 0 && num2 == 0 {
        return 65536
    } else {
        return Int(num1 / num2 * 65536)
    }
    
}