라임 생성기

2024년 1월

데이터 구조 및 알고리즘 과제를 위해 작성된 개인 프로젝트로, 발음을 기반으로 라임을 생성하는 프로그램입니다.

시연

알고리즘 요약

이 알고리즘은 단어의 음성적 라임을 위한 파싱과 검색, 두 단계로 나눌 수 있습니다.

1. 파싱: 사용자가 단어를 입력하면 알고리즘은 이를 모음과 자음과 같은 음소로 분해합니다.
2. 검색: 음성 단어 사전에서 일치하는 단어를 찾습니다. 실제 검색은 각 단어의 끝부분의 음소부터 시작하며, 전체 사전에서 가장 유사한 문자 덩어리를 찾습니다. 일치하는 항목이 발견되면 해당 단어가 표시됩니다.

알고리즘 설명

• 일반적으로 생각하는 "라임(rhyme)"이라고 하면, 끝 소리가 비슷한 단어들을 생각할 수 있습니다.
• 이러한 라임을 생성하기 위해 먼저 모든 단어를 음소 단위로 분해하고, 모음과 자음을 구분해야 합니다. 이를 'phonetic parsing(음성 파싱)'이라고 합니다. 미리 아주 많은 단어를 대상으로 음성 파싱을 하고, 각 단어마다 각자의 음소를 가진 일종의 음성 사전을 만듭니다.
• 그 후, 사용자가 단어를 입력하면 시스템이 이를 기억합니다. 알고리즘은 이 단어를 분해해 끝 부분의 음소를 파악합니다. 여기서는 모음이 라임의 기준점으로 작용한다고 가정해 마지막 모음과 자음 소리를 찾습니다.
• 알고리즘은 단어의 끝에서부터 음소를 검색하고, 모음을 발견할 때까지 계속 스캔합니다. 예를 들어 'cat'이라는 단어의 경우 끝 음소가 'æt'라고 식별합니다. 그런 다음 이 소리를 사전의 소리와 비교하여 'hat', 'mat', 'sat'와 같은 비슷한 끝 소리를 가진 단어를 찾습니다.
• 이 과정은 사전의 모든 단어에 대해 반복되며, 목록으로 저장됩니다. 모든 단어를 살펴본 후 알고리즘은 최종 목록을 출력합니다.
• 그러나 결과 수가 너무 적으면(여기서는 5개 미만일 경우), 일치하는 음소를 늘려 다시 검색합니다.
• 요약하면, 이 프로그램은 총 10 단계로 구성됩니다:
  1. 사전 데이터 준비
  2. 입력 받기
  3. 단어 음소 식별
  4. 사전에서 일치하는 음소 검색
  5. 라임 목록에 저장
  6. 4~5를 반복해 모든 단어에 대해 검색
  7. 라임 목록 최종화
  8. 기준에 따라 추가 검색 결정
  9. 결과 출력
  10. 시스템 종료

코드 구조

• 이 프로젝트를 한눈에 정리하기 위해 파트를 아래와 같이 나눴습니다. 함수형 프로그래밍 원칙을 일부 적용했습니다.
• 프로그램은 2가지 주요 함수, 1) 데이터 준비와 2) 입력 처리 및 검색을 호출하며 시작합니다.

1. 스택(Stack) 클래스 준비
   • 음소 시퀀스를 관리하기 위해 스택 데이터 구조를 구현합니다.
2. 파일 읽기 및 데이터 준비
   • util.promisify를 사용하여 파일을 비동기적으로 읽습니다.
   • 음성 사전, 음성 기호, 단어 목록 파일을 읽어 기본 사전 데이터를 준비합니다.
3. 데이터 구조
   • phonemesDictArray: 헤드워드와 해당 음소 스택의 배열.
   • vowelSymbolsArray: 모음 기호 배열.
   • rhymeDictArray: 헤드워드, 라임 문자열 및 음소 수의 배열.
4. 서브루틴 함수
   • splitTextlines, splitTabs, getUserInput, excludeElement와 같은 유틸리티 함수가 포함됩니다.
5. 1단계 절차 함수
   • 주로 배열을 처리하는 함수로, makePhonemesDictionary, makeWordlist, makeSymbolsDictionary 등이 있습니다.
   • identifyRhyme: 주어진 음소 스택의 라임 문자열을 결정합니다.
   • getMatchedRhymeDicts: 라임 문자열과 음소 수를 기반으로 라임 사전을 필터링합니다.
   • getMeaningfulWords: 일치하는 라임 사전을 기반으로 의미 있는 단어를 필터링합니다.
6. 2단계 절차 함수
   • 주로 1단계 함수를 호출하는 고차 함수로, getPhonemesDictionary, getWordlist, getSymbolsDictionary, getVowelSymbols, makeRhymeDictionary 등이 있습니다.
7. 3단계 절차 함수
   • 데이터 준비 및 검색 프로세스를 처리하는 절차적 함수로, prepareData, processUserInput, setSearchParams, loopSearch, getSearchedWords, getPhonemesOf, getMoreSearchedWords, printOutput, showResult, searchMoreOrEnd 등이 있습니다.
8. 실행
   • prepareData를 호출하여 데이터 구조를 초기화합니다.
   • processSearch를 호출하여 사용자 입력을 받고, 라임 단어를 검색하고, 결과를 표시합니다.

사용된 자료 구조

사용자 정의(non-primitive) 자료 구조

1. 배열
   • 일반적으로 배열은 데이터 컬렉션을 저장하고 조작하는 데 사용됩니다. JavaScript 코드에서는 동적 배열을 통해 배열이 구현되는데, 이는 요소가 추가되거나 제거될 때 유연하게 크기를 조절할 수 있습니다. 이는 음성 사전에서 각 단어의 음소와 같이 크기가 변하는 데이터를 처리하는 데 유용합니다. 또한, 배열을 사용하면 검색 과정에서 접근이 용이합니다.
2. 스택
   • 스택은 JavaScript에서 동적 배열을 사용해 Stack 클래스를 생성함으로써 구현됩니다. 스택은 음성 라임 문자열을 만들기 위해 사용됩니다. 스택은 LIFO(Last In, First Out)라는 특성을 가지고 있어 마지막 모음 음소를 찾을 때 유용할 수 있습니다. 이를 위해 push, pop 메서드를 사용합니다.

기본(primitive) 자료 구조

1. 정수
   • 단어의 음소 수나 라임 사전의 음소 수와 같은 개수를 나타내는 데 사용됩니다.
2. 문자열
   • 단어, 음소 및 라임 문자열을 저장하는 데 사용됩니다. 문자열은 텍스트 데이터를 표현하기 위한 기본 자료 구조이며, 단어 조작, 비교 및 음성 패턴 식별 작업에 적합합니다.
3. 부울
   • 부울은 라임을 찾았는지 여부나 추가 검색 반복이 필요한지 여부를 확인하는 논리 조건에 사용됩니다. 이를 통해 특정 작업의 성공 여부에 따른 작업을 실행할 수 있습니다.
4. 정의되지 않음 (undefined)
   • JavaScript에서 undefined는 값의 부재를 나타내는 데 사용됩니다. 이는 특정 데이터가 기대되지만, 존재하지 않을 수 있는 경우를 처리하는 데 사용됩니다. 예를 들어, 입력 단어의 음소 스택이 사전에서 발견되지 않으면 함수는 undefined를 반환할 수 있습니다.

한계점 및 개선안

1. 여러 모음 소리의 라임 고려가 미흡할 수 있습니다.

• 한계점: 현재 코드는 마지막 모음 소리 하나만으로 라임을 식별한다고 가정하여, 여러 모음이나 음절이 라임을 될 수 있는 경우를 배제하고 있습니다.
• 개선안: 라임 식별 알고리즘을 여러 모음을 고려하도록 개선하면 더 포괄적인 라임 매칭이 가능합니다. 그러나 데이터가 복잡해질수록 이를 출력하는 방법도 고려해야 합니다.

2. 다른 위치의 라임을 식별하지 못합니다. (예: catXXX, XXXcatXXX)

• 한계점: 이 알고리즘은 다른 위치의 라임을 고려하지 않아 또다른 라임 패턴을 놓칠 수 있습니다.
• 개선안: 라임 식별 알고리즘을 수정하여 단어 내 라임 소리의 다양한 위치를 인식하고 고려할 수 있도록 해야 합니다.

3. CMU 사전 자체에 한계점이 있을 수 있습니다.

• 한계점: 이 알고리즘은 CMU 발음 사전에 의존하기 때문에, 인간이 생각하는 적절한 라임을 찾지 못할 수 있습니다. CMU 사전가 발음을 맵핑하는 음소들은 제한적이며, 항상 예외가 있을 수 있습니다. 사전이 잘못된 경우 결과의 정확성을 보장할 수 없습니다. 또한, 사전에 등록되지 않은 단어의 경우 발음을 제대로 추적할 수 없습니다. 그리고 이 알고리즘은 프로그램이 시작되기 전에 사전 데이터를 가공하고, 그 모든 데이터를 메모리에 저장하기 때문에 공간 및 시간 복잡성 문제가 발생할 수 있습니다.
• 개선안: 다행히 CMU 사이트에서는 사전에 없는 단어의 경우 음성 파일을 통해 음소 목록을 얻을 수 있다고 명시하고 있습니다 (http://www.speech.cs.cmu.edu/tools/lextool.html). 이러한 도구나 AI 음성 인식을 사용하면 검색할 수 있는 단어의 범위가 확장되고 정확성이 향상될 것입니다. 복잡성 문제는 API 서버에서 가공된 사전 데이터를 제공함으로써 해결할 수 있습니다.

4. 최대 라임 출력 수를 제어하는 기능이 필요할 수 있습니다.

• 한계점: 현재 작성한 소스 코드에는 최대 라임 출력 수를 제어하는 기능이 없어 실행 시간이 길어질 수 있습니다.
• 개선안: 페이지네이션과 같이 최대 출력 수를 제어하는 기능이 추가되면, 검색 시간이 길어지는 것을 방지하고, 알고리즘의 반응성을 향상시킬 수 있습니다.

5. 잘못된 입력 처리(엣지 케이스 처리)가 미흡할 수 있습니다.

• 한계점: 엣지 케이스와 유효하지 않은 입력을 처리하는 부분이 없기 때문에 예기치 않은 동작이나 오류가 발생할 수 있습니다.
• 개선안: 정교한 입력 검증 로직을 도입해 통해 엣지 케이스를 처리하고, 사용자에게 에러 메시지를 제공함으로써 의도치 않은 결과를 방지할 수 있습니다.

6. 재귀 함수의 스택 오버플로우 가능성이 있습니다.

• 한계점: 제한을 설정해두기는 했지만, 코드 상의 재귀 함수(예: 검색 과정)가 스택 오버플로우를 일으킬 수 있습니다.
• 개선안: 최적화된 재귀 함수 알고리즘을 사용해 개선할 수 있습니다.

7. 상세한 오류 처리가 미흡할 수 있습니다.

• 한계점: 코드가 런타임 오류나 예외를 적절하게 처리하지 못할 수 있습니다.
• 개선안: try-catch 블록 등을 통해 오류 처리 메커니즘을 구현함으로써 런타임 오류를 처리하고, 디버깅용 오류 메시지를 제공할 수 있습니다.

의사코드

function IDENTIFY-RHYME(S, n, A)
// S is a stack of the phonemes
// n is the length of S
// A is an array of all vowel phonemes

// Initialize
new Stack T			// a temporary stack
tempSize  0			// a size(integer) of temporary stack
phone  ""			// a string
isPhoneVowel  FALSE	// a boolean

// Iterate over the phonemes stack to find the last chunk of phonemes
	for i=n-1 downto 0 do
		phone POP[S]
		PUSH[S, T]
		tempSize  tempSize+1
		for j=0 to n-1
			if A[j]= phone then
				isPhoneVowel  TRUE 
				break
			end if
		end for
		if isPhoneVowel=TRUE then
			break
		end if
	end for
	if isPhoneVowel=TRUE then
		for k=tempSize-1 downto 0 do
			checekdPhone""		// a string
			checekdPhonePOP[T]
			PUSH[checekdPhone]
			if not EMPTY[T] then
				phonephone+checkedPhone
			end if
		end for
		return phone
	end if
	return phone
end function

참고 자료

• 프린스턴 영어 단어
• CMU 사전(CMU 사전 웹사이트에서 제공하는 표)
• 참고: CMU 사전의 모든 단어를 배열로 변환한 후, 각 단어에 대한 라임을 처리했습니다. CMU 사전의 단어가 오래되고 이상한 단어가 포함되어 있어, 결과를 프린스턴 영어 단어 목록을 통해 필터링했습니다.