[프로그래머스/JAVA 자바] [1차] 뉴스 클러스터링

 

프로그래머스

문제설명

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.

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

문제풀이

문제설명을 읽어보면  [  예를 들어 집합A= {1, 2, 3}, 집합B= {2, 3, 4}라고 할 때, 교집합A ∩ B= {2, 3}, 합집합A ∪ B= {1, 2, 3, 4}이 되므로, 집합A,B사이의 자카드 유사도J(A, B)= 2/4 = 0.5가 된다. 집합 A와 집합 B가 모두 공집합일 경우에는 나눗셈이 정의되지 않으니 따로J(A, B)= 1로 정의한다.  ]        [ 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. ]  이 설명에서 교집합과 합집합을 어떻게 구하는지 알 수 있다.

 

교집합의 경우에는 중복되는 값을 찾아야 하고, 합집합의 경우는 집합 A + 집합 B 에서 중복이 존재하면 중복된 값을 더 많이 가진 집합을 따른다.  (ex 집합A 는 1이 2개 , 집합B는 1이 4개면 합집합은 1이 4개).   즉 중복을 다뤄야하므로  HashMap을 사용했다. 입력 형식에서 영문자를 제외한 특수문자나 숫자가 들어간 두 글자는 다중집합의 원소에 추가되지 않는다. 대문자 소문자는 동일하게 취급한다. HashMap에 key값으로는 String, value 값으로는 크기가 2인 Integer형 배열을 추가해서 문제를 풀었다.str1 의 두 글자들은 배열의 0 인덱스에 카운트를 하고, str2의 두 글자들은 배열의 1 인덱스에 카운트를 했다.

 

예제 입출력 1 FRANCE 와 french 를 보면 str1에서는 { fr , ra , an , nc , ce } 가 나온다.

str2는 { fr , re , en , nc , ch } 를 가진다.

fr을 키값으로 넣고 fr에 해당하는 value 값에는 크기가 2인 배열의 인덱스0 에 1을 추가 ( str1 이므로  인덱스 0 , str2는 인덱스 1에 카운트 ), 이러한 방식으로 str1 str2를 모두 진행하면 fr 키값에는 [ 1 , 1 ] 이라는 value 값을 가지게 된다. ra는 [ 1 , 0 ]  re는 [ 0 , 1 ]을 가지게 된다. 모든 키값에 대한 배열에서 두 인덱스 중 큰 값을 모두 더하면 합집합의 크기를 얻게되고, 두 인덱스 중 작은 값을 모두 더하면 교집합의 크기를 얻게 된다. 즉 이 예제에선 합집합 8 , 교집합 2 라는 값을 가지게 된다.

answer 값은 교집합 / 합집합 * 65536 을 해서 소수점을 버린값 16384가 된다.

 

예제 입출력 1 )

 

합집합 = 두 인덱스 중 큰값을 모두 더한 값 = 8

교집합 = 두 인덱스 중 작은값을 모두 더한 값 = 2

answer = 2 / 8 * 65536 = 16384

 

 

 

* 최댓값 빨강 , 최솟값 파랑

* 최댓값, 최솟값이 같은경우 초록색으로 표시

 

 

 

 

 

 

예제 입출력 2 )

 

합집합 = 두 인덱스 중 큰값을 모두 더한 값 = 8

교집합 = 두 인덱스 중 작은값을 모두 더한 값 = 8

answer = 8 / 8 * 65536 = 65536

 

 

 

 

 

 

 

 

 

 

 

 

구현코드

import java.util.HashMap;

class Solution {
    public int solution(String str1, String str2) {
        int answer = 0;
		HashMap<String, int[]> hm = new HashMap<>();

		String sub = ""; // 두 글자씩 자른 문자열
		double d1 = 0; // 합집합
		double d2 = 0; // 교집합

		/* str1 , str2 를 모두 소문자로 통일 */
		str1 = str1.toLowerCase();
		str2 = str2.toLowerCase();

		for (int i = 0; i < str1.length() - 1; i++) {
			sub = str1.substring(i, i + 2);
			if (sub.matches("[a-zA-Z]+")) { // 영문자를 제외한 문자가 있는지 검사
				if (!hm.containsKey(sub)) { // 중복이 없거나 새로 들어오는 문자면 해당 key값의 value에 배열 추가
					hm.put(sub, new int[2]);
				}
				hm.get(sub)[0]++; // 첫번째 문자열 str1 은 배열의 첫번째 인덱스에 ++
			}
		}

		for (int i = 0; i < str2.length() - 1; i++) {
			sub = str2.substring(i, i + 2);
			if (sub.matches("[a-zA-Z]+")) { // 영문자를 제외한 문자가 있는지 검사
				if (!hm.containsKey(sub)) { // 중복이 없거나 새로 들어오는 문자면 해당 key값의 value에 배열 추가
					hm.put(sub, new int[2]);
				}
				hm.get(sub)[1]++; // 두번째 문자열 str2 은 배열의 두번째 인덱스에 ++
			}
		}

		for (String s : hm.keySet()) {
			d1 += Math.max(hm.get(s)[0], hm.get(s)[1]); // 합집합
			d2 += Math.min(hm.get(s)[0], hm.get(s)[1]); // 교집합
		}
		if (d1 != 0 || d2 != 0) {
			answer = (int) (d2 / d1 * 65536);
		} else { // 합집합 , 교집합이 모두 0 이면 answer 값은 65536 고정
			answer = 65536;
		}
        return answer;
    }
}