[알고리즘] 프로그래머스 뉴스 클러스터링 swift 풀이

1️⃣ 문제

문제 - 뉴스 클러스터링

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.

예제 입출력

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

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.

2️⃣ 풀이 방법 및 코드

집합 간의 자카드 유사도를 구하면 되는 문제였지만, 다중집합이라는 특수성 때문에 Set의 메소드만으로 교집합, 합집합을 단순하게 구할 수 있는 문제가 아니었다.

다중집합의 자카드 유사도를 구하는 로직

주석 1에서 구한 다중집합(MultiSet1, MultiSet2)을 Set으로 변환하면, 중복되는 원소를 제거하고,

메서드 intersection을 이용하여 두 Set의 교집합에 해당하는 고유한 “문자열”을 구한다.

고유한 교집합 배열(tempInter)을 돌려서, 문제의 설명에 언급된 것처럼 각 다중집합이 교집합으로 가지고 있는 원소의 개수를 비교하고,

min값은 교집합 개수(inter)에, max값은 합집합 개수(union)에 더해준다.

이후 tempInter에 들어가지 않는 문자열(중복 문자열 제외한 대칭 차집합)의 개수를 마저 union에 더해주면 끝!

풀면서 간과하였던 테스트 케이스

다중집합 중 하나만 공집합이거나, 교집합이 공집합인 경우

교집합도 0이면 J(A, B) = 1 처리를 해줘야 한다고 생각했다. 하지만 자카드 유사도는 “교집합 개수 / 합집합 개수” 이므로, 교집합은 나눗셈에서 분자 위치에 있다. 따라서 유사도를 0으로 리턴해 주어야 한다.

교집합에 포함되지 않는 문자열을 중복되어 가지고 있는 다중집합

처음에는 두 고유한 Set의 대칭 차집합(Set.symmetricDifference)의 값을 union에 먼저 더한 후, 교집합에서 max값을 더해주었다. 그러나, 이 경우는 교집합이 아니지만 중복되는 문자열의 개수는 고려하지 못한다. 처음 다중집합의 원소 개수를 저장한 변수(m1Cnt, m2Cnt)를 만들고, 중복되는 문자열들을 inter와 union에 포함시켜준 만큼 해당 변수의 값을 줄여나갔다. -> 이것이 다중집합에서 합집합에 더하지 않은 문자열의 개수인 것!

소스 코드

func solution(_ str1:String, _ str2:String) -> Int {
    var s1 = str1.map { $0.uppercased() }
    var s2 = str2.map { $0.uppercased() }
    var multiSet1 = [String]()
    var multiSet2 = [String]()
    var inter = 0.0
    var union = 0.0
    
    // 1. 문자열 파싱
    for i in 0..<str1.count - 1 {
        guard Character(s1[i]).isLetter && Character(s1[i + 1]).isLetter else { continue }
        multiSet1 += [s1[i] + s1[i + 1]]
    }
    for i in 0..<str2.count - 1 {
        guard Character(s2[i]).isLetter && Character(s2[i + 1]).isLetter else { continue }
        multiSet2 += [s2[i] + s2[i + 1]]
    }
    
    // 2. 교집합과 합집합 구하기
    if multiSet1.isEmpty && multiSet2.isEmpty {
        return 65536
    }
    
    let (set1, set2) = (Set(multiSet1), Set(multiSet2))
    let tempInter = set1.intersection(set2)
    var m1Cnt = multiSet1.count
    var m2Cnt = multiSet2.count
    
  
  // 교집합이 비었다면, 0 리턴
  	if tempInter.isEmpty { return 0 }
    
    for tmp in tempInter {
        let e1 = multiSet1.filter { $0 == tmp }.count
        let e2 = multiSet2.filter { $0 == tmp }.count
        inter += Double(min(e1, e2))
        union += Double(max(e1, e2))
        m1Cnt -= e1
        m2Cnt -= e2
    }
    union += Double(m1Cnt + m2Cnt)
    
    return Int(inter / union * 65536)
}

3️⃣ 이 문제를 풀면서 되새긴 점

다양한 테스트케이스 생각해보기! 입력 형식 또는 주의사항을 곰곰이 주의해서 읽다보면 예외 테스트 케이스를 유추해 볼 수 있다.