프로그래머스[17677] - 뉴스 클러스터링(lv2)

문제풀이는 여기서!

 

https://school.programmers.co.kr/learn/courses/30/lessons/17677

프로그래머스

---

문제설명

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

str1str2answer

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

해설 보러가기

문제해결 keyPoint

1. 입력과 출력조건에 유의한다.
2. 자카드유사도를 이해해야한다.

20220916 1차시도

문제분리까지는 나름 잘한것 같은데 30분으로는 턱없이 부족했다. 정규표현식으로 자르는건 정말 일이다.. 계속 검색해봐야함.... 우선 나름의 의사코드는 짰기 때문에... 여기까지 확인하고 해설을 확인해보자.

class Solution {
    public int solution(String str1, String str2) {
        /**
         * 1. 두 문자열을 두글자씩 끊어 배열/List를 만든다. (두글자씩 끊는 이유는 문제에서 그렇게 주어짐)
         *  -> 영문자외에 기타공백이나 특수문자는 버린다.
         *  -> 대소문자는 구분하지 않는다.
         * 2. 자카드 유사도를 다중집합에 적용한 함수를 분리하자.
         * 3. 유사도는 0~1 사이의 실수이므로, 도출된 유사도에 65536을 곱하고 소수는 버리고 정수부분만 출력 하는 부분을 분리하자
         */
        int answer = 0;
        String[] str1Arr = this.filterString(str1);
        String[] str2Arr = this.filterString(str2);

        double similarity = this.getJakadSimilarity(str1Arr, str2Arr);

        answer = makeSimilarityToInteger(similarity);

        return answer;
    }

    /**
     * 1. 입력받은 문자열을 주어진 조건에 맞게 필터링한다.
     *  -> 대소문자 구분X -> 소문자로 통일하자.
     *  -> 영문자만 인정한다. 기타공백,특수문자는 지운다
     * 2. 두글자씩 끊어 배열로 만들자.
     * @param str
     */
    public String[] filterString(String str){
        str = str.toLowerCase();
        str.replaceAll("[^a-z]","");
        return str.split("[a-z]{2}");
    }
    /**
     * 1. 문자열을 바로 받을지, 아니면 배열/리스트로 변환 후 받을지...
     *  -> 어차피 charArray다...
     * 2. 중복을 허용하는 다중중복집합에 대한 교집합, 합집합을 구하자, 이를 또다시 분리해도 괜찮을듯
     * @return
     */
    public double getJakadSimilarity(String[] str1, String[] str2){
        double result = 0;
        return  result;
    }
    /**
     * 1. 자카드 유사도를 인자로 받는다.
     * 2. 소수14자리까지 정확한 double형으로받자, 실패 시 BigDecomal로 바꿀껏!
     * 3. 문제에서 주어진대로 65536을 곱하고, 소수부분은 버리고 반환한다.(int형으로 변경시 자동적으로 정수만 남는다.)
     * @param similarity
     * @return
     */
    public int makeSimilarityToInteger(double similarity){
        int result = 0;
        result = (int)(similarity * 65536);
        return  result;
    }
}

20220916 풀이참고

일단 의사코드 자체는 내가 생각했던것과 크게 다르지 않았다. 그점은 좋았는데, 

내가 놓쳤던 세세한? 디테일이 조금 있었고, (문제지문을 잘못이해한부분이 있었다.)

그리고 교집합,합집합을 만드는게 나는 간단할거라 생각했지만, 코드로 보니 조금 복잡한듯... 

우선 의사코드정도는 얼추 맞게 다가갔음에 만족한다.

import java.util.*;
import java.util.regex.*;
class Solution {
   public int solution(String str1, String str2) {
        int answer = 0;
        Map<String,Integer> map1 = new HashMap<String, Integer>();
        Map<String,Integer> map2 = new HashMap<String, Integer>();
        str1 = str1.toUpperCase();
        str2 = str2.toUpperCase();
        
        Pattern p = Pattern.compile("[^A-Za-z]");
        Matcher m = null;
        int totalCnt = 0;
        for(int i = 0; i <= str1.length()-2; i++){
            String key = str1.substring(i, i+2);
            m = p.matcher(key);
            if(m.find()) continue;
            map1.put(key, map1.getOrDefault(key, 0) + 1);
            totalCnt++;
        }
        
        for(int i = 0; i <= str2.length()-2; i++){
            String key = str2.substring(i, i+2);
             m = p.matcher(key);
            if(m.find()) continue;
            map2.put(key, map2.getOrDefault(key, 0) + 1);
            totalCnt++;
        }
        
        int interCnt = 0;
        for(String key : map1.keySet()){
            if(map2.get(key) == null) continue;
            interCnt += Math.min(map2.get(key), map1.get(key));
        }
        
        int unionCnt = totalCnt - interCnt;
        if(unionCnt == 0) return 65536;
        return interCnt*65536/unionCnt;
    }
}

refs

https://gom20.tistory.com/38

[프로그래머스] 뉴스 클러스터링 (Java)