1. 문제 정보
프로그래머스
SW개발자를 위한 평가, 교육의 Total Solution을 제공하는 개발자 성장을 위한 베이스캠프
programmers.co.kr
- 난이도: Lv.2
2. 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 채용카카오, 합병 후 첫 공채.. 블라인드 전형으로 개발자 채용카카오, 블라인드 전형으로 신입 개발자 공채카카오 공채, 신입 개발자 코딩 능력만 본다카카오, 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
3. 접근 기준
이 문제는 일반 집합 문제가 아니라 다중집합 문제다.
예를 들어 같은 원소가 여러 번 나오면, 그 개수까지 반영해야 한다.
A = [aa, aa, ab]
B = [aa, ab, ab]이 경우:
교집합: aa 1개, ab 1개
합집합: aa 2개, ab 2개처럼 단순히 set으로 처리하면 안 된다.
따라서 다음 기준으로 접근해야 한다.
- 문자열을 두 글자씩 자른다.
- 두 글자가 모두 알파벳인 경우만 사용한다.
- 대소문자는 구분하지 않으므로 소문자로 통일한다.
- 원소별 개수를 기준으로 교집합과 합집합을 계산한다.
문자열 처리 + Counter를 활용한 다중집합 계산 문제다.
4. 사용한 패턴 / 알고리즘
문자열 처리
- 두 글자씩 슬라이싱
- 알파벳 여부 확인
- 소문자 변환
Counter
- 원소별 개수 카운트
- 다중집합의 교집합과 합집합 계산
5. 핵심 아이디어
핵심은 Counter를 단순 카운트 용도가 아니라, 다중집합 연산 도구로 사용하는 것이다.
c1 = Counter(list1)
c2 = Counter(list2)이렇게 만들면:
c1 & c2는 각 원소 개수의 최솟값을 기준으로 교집합을 만든다.
c1 | c2는 각 원소 개수의 최댓값을 기준으로 합집합을 만든다.
즉, 직접 min, max를 계산하지 않아도 Counter가 다중집합 기준으로 처리해준다.
6. 풀이 코드
from collections import Counter
# 문자열을 두 글자씩 끊어 다중집합 리스트로 만드는 함수
def make_multiset(s):
s = s.lower() # 대소문자 구분하지 않으므로 소문자로 통일
result = []
# 두 글자씩 확인해야 하므로 len(s) - 1까지 반복
for i in range(len(s) - 1):
a, b = s[i], s[i + 1]
# 두 글자 모두 알파벳인 경우만 사용
if a.isalpha() and b.isalpha():
result.append(a + b)
return result
def solution(str1, str2):
# 두 문자열을 각각 다중집합 리스트로 변환
list1 = make_multiset(str1)
list2 = make_multiset(str2)
# Counter는 각 원소가 몇 번 나왔는지 저장한다
c1 = Counter(list1)
c2 = Counter(list2)
# Counter의 & 연산은 다중집합의 교집합이다
# 같은 원소가 있으면 더 작은 개수를 선택한다
inter = sum((c1 & c2).values())
# Counter의 | 연산은 다중집합의 합집합이다
# 같은 원소가 있으면 더 큰 개수를 선택한다
union = sum((c1 | c2).values())
# 두 집합이 모두 공집합이면 유사도는 1
if union == 0:
return 65536
# 자카드 유사도 * 65536 후 소수점 버림
return int((inter / union) * 65536)
이 코드에서 가장 중요한 부분은 다음이다.
inter = sum((c1 & c2).values())
union = sum((c1 | c2).values())Counter는 원소별 개수를 저장하는 딕셔너리처럼 보이지만, &, | 연산을 사용하면 다중집합의 교집합과 합집합을 바로 구할 수 있다.
예를 들어:
c1 = Counter(["aa", "aa", "ab"])
c2 = Counter(["aa", "ab", "ab"])이면:
c1 & c2결과는:
Counter({"aa": 1, "ab": 1})이고,
c1 | c2결과는:
Counter({"aa": 2, "ab": 2})이다. 따라서 values()를 합치면 각각 교집합 크기와 합집합 크기가 된다.
번외) Counter 특성을 몰랐을 때의 풀이
처음에는 Counter의 &, | 연산을 몰랐기 때문에 교집합과 합집합 원소를 직접 구한 뒤, min, max로 개수를 계산했다
from collections import Counter
# 문자열을 두 글자씩 끊어 다중집합 리스트 생성
def make_multiset(s):
result = []
# 두 글자씩 확인
for i in range(len(s) - 1):
# 현재 두 글자 추출
pair = s[i:i + 2]
# 두 글자가 모두 알파벳인 경우만 사용
if pair.isalpha():
result.append(pair.lower()) # 대소문자 통일
return result
def solution(str1, str2):
# 두 문자열을 다중집합 형태로 변환
list1 = make_multiset(str1)
list2 = make_multiset(str2)
# 각 원소 개수 카운트
count1 = Counter(list1)
count2 = Counter(list2)
# 중복 제거한 원소 집합 생성
keys1 = set(count1.keys())
keys2 = set(count2.keys())
# 교집합 후보
common_keys = keys1 & keys2
# 합집합 후보
all_keys = keys1 | keys2
# 교집합 크기 계산
# 같은 원소 개수 중 작은 값 사용
intersection = 0
for key in common_keys:
intersection += min(count1[key], count2[key])
# 합집합 크기 계산
# 같은 원소 개수 중 큰 값 사용
union = 0
for key in all_keys:
union += max(count1[key], count2[key])
# 두 집합이 모두 공집합인 경우
if union == 0:
return 65536
# 자카드 유사도 계산
return int((intersection / union) * 65536)
두 풀이의 차이
첫 번째 풀이도 정답은 맞다. 다만 Counter의 다중집합 연산을 직접 구현한 형태에 가깝다.
차이는 다음과 같다.
- 직접 풀이
- set으로 교집합, 합집합 후보를 구함
- 각 원소마다 min, max를 직접 계산
- 다중집합 개념을 코드로 풀어쓴 형태
- Counter 활용 풀이
- Counter & Counter로 교집합 계산
- Counter | Counter로 합집합 계산
- 내부에서 min, max 처리를 대신 해줌
한 줄로 정리하면:
직접 풀이: 다중집합 연산을 직접 구현한 코드
Counter 풀이: Counter 기능으로 다중집합 연산을 처리한 코드7. 핵심 로직 요약
이 문제의 핵심은 문자열을 다중집합으로 바꾼 뒤, 교집합과 합집합 크기를 개수 기준으로 계산하는 것이다.
- 문자열을 두 글자씩 자른다.
- 두 글자가 모두 알파벳인 경우만 사용한다.
- 소문자로 통일한다.
- Counter로 원소별 개수를 센다.
- &로 교집합 크기를 구한다.
- |로 합집합 크기를 구한다.
- 자카드 유사도를 계산한다.
결국, “문자열 파싱 + 다중집합 처리 + 자카드 유사도 계산” 이 흐름이 핵심이다.
8. 마치며
처음에는 set을 쓰면 될 것처럼 보였지만, 이 문제는 같은 원소가 여러 번 나오는 다중집합 문제였다.
그래서 단순 집합 연산으로 처리하면 개수가 사라져서 틀릴 수 있다.
풀면서 가장 크게 느낀 점은:
Counter는 단순히 개수 세는 용도만 있는 게 아니다라는 점이었다.
특히 Counter의 &, | 연산이 다중집합의 교집합, 합집합을 처리해준다는 걸 알면 코드가 훨씬 짧아진다.
결국 이 문제는 문자열 처리보다도, 다중집합을 어떻게 코드로 표현할지가 핵심인 문제였다.