프로그래머스_[1차] 뉴스 클러스터링(JAVA)

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

코딩테스트 연습 - [1차] 뉴스 클러스터링

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

 

[문제 분석]

1. 우선 대소문자 구분이 없으므로 str1과 str2를 모두 대문자로 바꿔준다.

2. Hashmap은 <String,Integer> key, value 쌍으로 선언해준다. Key 값에는 원소가, value에는 원소 등장 횟수가 저장될 것이다.

3. map1은 str1을 대상으로 map2는 str2를 대상으로 문자열의 해당 위치의 문자가 알파벳이면 hashmap에 put하는 형식으로 for문이 진행된다. hashmap에 값을 넣어줄 때 이미 해당 원소가 존재하면 value를 1씩 증가시켜주는 식으로 map에 원소를 put한다.

4. map1과 map2에 원소와 원소등장횟수가 모두 저장되고 나면 합집합과 교집합을 계산하기 위한 hashmap max와 min을 다룰 것이다. max와 min hashmap 또한 <string, integer>형식으로, 원소와 등장횟수를 저장할 것이다.

5. 우선 map1의 원소를 max에 전부 넣어준다.

6. map2의 원소를 넣을 때는 max 안의 원소에 대해 비교해가면서 넣어주어야 한다. map2의 원소를 넣을 때 이미 max에 존재하는 key값이면, value를 비교하여 더 큰 값을 max에 넣어준다. 그리고 작은 값은 min에 넣어준다.

6. 합집합과 교집합을 계산하기 위한 max와 min hashmap에 값을 모두 넣어주었으면 합집합 원소 개수와 교집합 원소 개수를 계산해준다.

max의 모든 key값에 대한 value의 합이 합집합 원소 개수이고 이를 maxsize 변수에 저장하고, min의 모든 key값에 대한 value의 합이 교집합 원소 개수이므로 이를 minsize에 저장한다.

7. maxsize==0이면 집합이 공집합이었다는 의미이므로 65536을 반환하고 종료한다.

8. maxsize가 0이 아니라면 원소 개수는 정수이므로 정확한 답을 얻기 위해서 double 형식으로 maxsize를 minsize로 나눠주고 65536을 곱해준다. 그리고 그 중 소수점 둘째자리에서 반올림한 값을 string으로 변환하여 xx.xx형식으로 string s에 저장한다.

9. 소수점을 모두 버리고 반환해야하므로 string 소수점 뒤를 자른 후 정수부 부분만 취하여 integer 형식으로 변환한 후 그 값을 반환한다. 

 

 

[코드]

import java.util.*;
class Solution {
    public int solution(String str1, String str2) {
        int answer = 0;
        str1 = str1.toUpperCase();
        str2 = str2.toUpperCase();
    
        HashMap<String, Integer> map1 = new HashMap<>();
        HashMap<String, Integer> map2 = new HashMap<>();
        
        HashMap<String, Integer> max =  new HashMap<>();
        HashMap<String, Integer> min = new HashMap<>();
        
        for(int i=0;i<str1.length()-1;i+=1){
            if(str1.charAt(i)>='A'&&str1.charAt(i)<='Z'&&str1.charAt(i+1)>='A'&&str1.charAt(i+1)<='Z'){
                if(!map1.containsKey(str1.substring(i,i+2)))
                    map1.put(str1.substring(i,i+2),1);
                else
                     map1.put(str1.substring(i,i+2),map1.get(str1.substring(i,i+2))+1);
            }
        }
         for(int i=0;i<str2.length()-1;i+=1){
            if(str2.charAt(i)>='A'&&str2.charAt(i)<='Z'&&str2.charAt(i+1)>='A'&&str2.charAt(i+1)<='Z'){
                if(!map2.containsKey(str2.substring(i,i+2)))
                    map2.put(str2.substring(i,i+2),1);
                else
                    map2.put(str2.substring(i,i+2),map2.get(str2.substring(i,i+2))+1);
            }
        }
       
     
        for(String key: map1.keySet()){
            max.put(key,map1.get(key));
           
        }
        
       
        for(String key: map2.keySet()){
            if(max.containsKey(key)){
                if(map2.get(key)>max.get(key)){
                    max.put(key,map2.get(key));
                    min.put(key,map1.get(key));
                }
                else{
                    min.put(key,map2.get(key));
                }
                
            }
            else{
                max.put(key,map2.get(key));
            }
           
        }
        
        
        int maxsize=0, minsize=0;
        
        if(max.size()==0)
            return 65536;
       
        for(String key:max.keySet()){
            maxsize+=max.get(key);
        }
        
      
        for(String key:min.keySet()){
            minsize+=min.get(key);
        }
        
        String s="";
        s = String.format("%.2f",(double)minsize/maxsize*65536);  
  
        answer= Integer.parseInt(s.substring(0,s.length()-3));

    
        return answer;
    }
}