[프로그래머스] LV2 뉴스 클러스터링

문제

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.

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.

 

코드

import java.util.*;

class Solution {
    public int solution(String str1, String str2) {
        int answer = 0;
        str1 = str1.toUpperCase();
        str2 = str2.toUpperCase();

        Map<String, Integer> map1 = new HashMap<>();
        Map<String, Integer> map2 = new HashMap<>();
        Set<String> set = new HashSet<>();

        while(str1.length() >= 2) {
            String s = str1.substring(0,2);
            str1 = str1.substring(1, str1.length());
            if(Character.isAlphabetic(s.charAt(0)) && Character.isAlphabetic(s.charAt(1))) {
                map1.put(s, map1.getOrDefault(s,0) + 1);
                set.add(s);
            }
        }

        while(str2.length() >= 2) {
            String s = str2.substring(0,2);
            str2 = str2.substring(1, str2.length());
            if(Character.isAlphabetic(s.charAt(0)) && Character.isAlphabetic(s.charAt(1))) {
                map2.put(s, map2.getOrDefault(s,0) + 1);
                set.add(s);
            }
        }

   
        int total1 = 0;
        int total2 = 0;
        for(String s : set) {
            total1 += Math.max(map1.getOrDefault(s, 0), map2.getOrDefault(s, 0));
            if(map1.getOrDefault(s,0) !=0 && map2.getOrDefault(s, 0) !=0) {
                total2 += Math.min(map1.get(s), map2.get(s));
            }
        }

        if(total1 == 0 && total2 ==0) {
            return 65536;
        }

        answer = 65536 * total2 / total1;
        return answer;
    }
}

문제풀이

1. 첫번째로는 대소문자 구분을 하지 않습니다 -> 두 문자열을 대문자로 변경해줍니다. (소문자로 해도 됩니다.)

2. 각각의 스트링을 문자열을 잘라서 알파벳 이외의 값이 있는지 검사 후 각각의 map에 넣어줍니다. 

3. 교집합과 합집합의 수를 구해줍니다.

 

set에는 자른 문자열들이 중복없이 저장되어 있습니다. -> 잘린 문자의 모든 경우의 수가 들어있다.

ex) str1 = AA1+AA2    str2 = AAAA12 

set = > AA

 

이 set에 담긴 값을 key값으로 이용해 교집합과 합집합의 원소의 수를 구합니다.

map1  :  (key :  AA , value : 2)

map2 : (key : AA, value : 3)

 

-집합 예시

   ex) A = {1, 1, 2, 2, 3} B = {1, 2, 2, 4, 5}

      합집합 : {1,1,2,2,3,4,5} 교집합 : {1,2,2} 

 

   ex) map1 = {AA, AA} map2 = {AA, AA, AA}

     합집합 : {AA, AA, AA} 교집합 {AA, AA}

 

양 집합의 공통원소 존재시 합집합의 경우 공통원소의 수가 가장 많은걸 선택

교집합의 경우 원소의 수가 적은걸 선택한다.