[프로그래머스] 17677번 - [1차] 뉴스 클러스터링 (Java)

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

프로그래머스

코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.

programmers.co.kr

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.

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

풀이

문제가 길지만 요구하는 것을 요약하자면 다음과 같습니다.

문자열 2개가 주어질 때, 두 글자씩 끊어서 다중 집합을 만든다.
두 다중 집합의 교집합의 크기를 합집합의 크기로 나눈 값인 자카드 유사도를 구한다.
자카드 유사도에 65536을 곱한 후 소수점 아래를 버리고 정수부만 출력한다.

유의해야 할 사항은 다음과 같습니다.

다중 집합의 원소는 영문자로만 이루어져 있으며 기타 공백이나 숫자, 특수 문자가 들어있는 경우는 그 글자 쌍을 버린다.
다중집합 원소 사이를 비교할 때, 대문자와 소문자의 차이는 무시한다.
두 집합이 모두 공집합일 때 자카드 유사도는 1이다.

1. 두 문자열의 다중 집합 구하기

다중집합의 원소는 대소문자 구분이 없기 때문에 모든 영문자는 대문자로 바꿔줍니다.

그리고 두 글자씩 끊어서 집합을 만들어주는데, 원소는 영문자로만 이루어져야 하므로 두 글자가 모두 'A' ~ 'Z' 범위 안에 있는 원소만 넣어줍니다.

// 다중 집합 구하기
// 소문자 -> 대문자
str1 = str1.toUpperCase();
str2 = str2.toUpperCase();

ArrayList<String> list1 = new ArrayList<>(); // str1의 다중집합
ArrayList<String> list2 = new ArrayList<>(); // str2의 다중집합

// 알파벳만 남기기
for(int i=0; i<str1.length() - 1; i++){
    String two = str1.substring(i, i+2);
    if((two.charAt(0) >= 65 && two.charAt(0) <= 90) && (two.charAt(1) >= 65 && two.charAt(1) <= 90)){
        list1.add(two);
    }
}

for(int i=0; i<str2.length() - 1; i++){
    String two = str2.substring(i, i+2);
    if((two.charAt(0) >= 65 && two.charAt(0) <= 90) && (two.charAt(1) >= 65 && two.charAt(1) <= 90)){
        list2.add(two);
    }
}

2. 두 다중집합의 교집합과 합집합 구하기

두 집합의 합집합을 구할 때는 두 집합 모든 원소에서 교집합의 원소들을 빼주면 됩니다.

그래서 교집합만 구하면 합집합은 쉽게 구할 수 있습니다.

1) 교집합

원소가 중복될 수 있는 다중 집합이기 때문에 일반 집합의 교집합을 구하는 방식과는 조금 다릅니다.

list2(str2의 다중집합)을 하나씩 돌면서 list1과 겹친다면 그 원소를 list1에서 삭제합니다. 삭제되는 원소가 교집합의 원소가 됩니다.

예를 들어 다중집합 list1{ab, ba, ab}와 list2{ba, ab, ba} 가 있습니다.

list2의 ba는 list1에 있기 때문에 list1에서 ba를 하나 삭제하고 ba를 교집합에 넣습니다. 그러면 inter는 {ba}가 되고 list1은 {ab, ab}가 됩니다.

다음 list2의 ab는 list1에 있기 때문에 삭제하고 교집합에 넣으면 inter = {ba, ab}, list1 = {ab}가 됩니다.

마지막으로 list2의 ba는 list1에 없기 때문에 끝납니다.

2) 합집합

합집합을 구할 때는 list1의 원소와 list2의 원소를 모두 넣은 뒤 교집합의 원소를 빼주면 됩니다.

// 교집합
ArrayList<String> inter = new ArrayList<>(); 
ArrayList<String> cp_list1 = new ArrayList<>(list1); // list1의 복사본

for(int i=0; i<list2.size(); i++){
    // list2의 원소가 list1에 있으면 list1에서 삭제하고 교집합에 넣음.
    if(cp_list1.contains(list2.get(i))){
        cp_list1.remove(cp_list1.indexOf(list2.get(i)));
        inter.add(list2.get(i));
    }
}

// 합집합
ArrayList<String> union = new ArrayList<>();
// 두 집합의 원소를 모두 넣고
for(String str : list1){
    union.add(str);
}
for(String str : list2){
    union.add(str);
}

// union에서 inter 빼기
for(int i=0; i<inter.size(); i++){
    union.remove(union.indexOf(inter.get(i)));
}

3. 자카드 유사도 구하기

두 집합이 모두 공집합일 때는 유사도는 1이 되고

아니라면 유사도는 교집합의 크기 / 합집합의 크기가 됩니다.

자카드 유사도에 65536을 곱한 뒤 정수부만 출력해주면 됩니다.

// 자카드 유사도 구하기
float jacad = 0;

// list1과 list2의 개수가 둘 다 0이면 J값은 1
if(list1.size() == 0 && list2.size() == 0){
    jacad = 1;
}
else{
    jacad = (float)inter.size() / (float)union.size();
}

jacad *= 65536;
return (int)jacad;

소스코드

import java.util.*;

class Solution {
    public int solution(String str1, String str2) {
        int answer = 0;
        
        // 다중 집합 구하기
        // 소문자 -> 대문자
        str1 = str1.toUpperCase();
        str2 = str2.toUpperCase();
        
        ArrayList<String> list1 = new ArrayList<>(); // str1의 다중집합
        ArrayList<String> list2 = new ArrayList<>(); // str2의 다중집합
        
        // 알파벳만 남기기
        for(int i=0; i<str1.length() - 1; i++){
            String two = str1.substring(i, i+2);
            if((two.charAt(0) >= 65 && two.charAt(0) <= 90) && (two.charAt(1) >= 65 && two.charAt(1) <= 90)){
                list1.add(two);
            }
        }
        
        for(int i=0; i<str2.length() - 1; i++){
            String two = str2.substring(i, i+2);
            if((two.charAt(0) >= 65 && two.charAt(0) <= 90) && (two.charAt(1) >= 65 && two.charAt(1) <= 90)){
                list2.add(two);
            }
        }
        
        // 자카드 유사도 구하기
        float jaccard = 0;
        
        // list1과 list2의 개수가 둘 다 0이면 J값은 1
        if(list1.size() == 0 && list2.size() == 0){
            jaccard = 1;
        }
        else{
            // 교집합
            ArrayList<String> inter = new ArrayList<>();
            ArrayList<String> cp_list1 = new ArrayList<>(list1);
            
            for(int i=0; i<list2.size(); i++){
                if(cp_list1.contains(list2.get(i))){
                    cp_list1.remove(cp_list1.indexOf(list2.get(i)));
                    inter.add(list2.get(i));
                }
            }

            // 합집합
            ArrayList<String> union = new ArrayList<>();
            for(String str : list1){
                union.add(str);
            }
            for(String str : list2){
                union.add(str);
            }
            
            // union에서 inter 빼기
            for(int i=0; i<inter.size(); i++){
                union.remove(union.indexOf(inter.get(i)));
            }
            
            jaccard = (float)inter.size() / (float)union.size();
        }
        
        jaccard *= 65536;
        
        return (int)jaccard;
    }
}

저작자표시 (새창열림)

'Programming > Programmers' 카테고리의 다른 글

[프로그래머스] 17684번 - [3차] 압축 (Java) (0)	2023.06.29
[프로그래머스] 92335번 - k진수에서 소수 개수 구하기 (Java) (0)	2023.06.22
[프로그래머스] 131127번 - 할인 행사 (Java) (0)	2023.06.22
[프로그래머스] 64065번 - 튜플 (Java) (0)	2023.06.22
[프로그래머스] 12949번 - 행렬의 곱셈 (Java) (0)	2023.06.21

duoxi

[프로그래머스] 17677번 - [1차] 뉴스 클러스터링 (Java)

문제

입력 형식

출력 형식

예제 입출력

풀이

1. 두 문자열의 다중 집합 구하기

2. 두 다중집합의 교집합과 합집합 구하기

3. 자카드 유사도 구하기

소스코드

'Programming > Programmers' 카테고리의 다른 글

티스토리툴바

[프로그래머스] 17677번 - [1차] 뉴스 클러스터링 (Java)

문제

입력 형식

출력 형식

예제 입출력

풀이

1. 두 문자열의 다중 집합 구하기

2. 두 다중집합의 교집합과 합집합 구하기

3. 자카드 유사도 구하기

소스코드

'Programming > Programmers' 카테고리의 다른 글

관련글

티스토리툴바