프로그래머스 코딩테스트 연습 - [1차] 뉴스 클러스터링

# 주소

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

프로그래머스

# 문제

문제 설명

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

str1str2answer

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

# 문제 해설 및 코드 리뷰

https://tech.kakao.com/2017/09/27/kakao-blind-recruitment-round-1/

카카오 신입 공채 1차 코딩 테스트 문제 해설

위는 카카오 문제 공식 해설입니다.

저의 코드는 다음과 같습니다.

import java.util.ArrayList;
import java.util.Arrays;

class Solution {
    public int solution(String str1, String str2) {
        String match = "^[a-zA-Z]*$";
        ArrayList<String> arr1 = new ArrayList<>();
        ArrayList<String> arr2 = new ArrayList<>();
        for(int i = 0; i < str1.length() - 1; i++){
            String temp = str1.substring(i, i + 2);
            if(temp.matches(match)) {
                arr1.add(temp);
            }
        }
        for(int i = 0; i < str2.length() - 1; i++){
            String temp = str2.substring(i, i + 2);
            if(temp.matches(match))
                arr2.add(temp);
        }
        String[] a = new String[arr1.size()];
        String[] b = new String[arr2.size()];
        for(int i = 0; i < arr1.size(); i++) {
            String temp = arr1.get(i).toLowerCase();
            a[i] = temp;
        }
        for(int i = 0; i < arr2.size(); i++) {
            String temp = arr2.get(i).toLowerCase();
            b[i] = temp;
        }
        Arrays.sort(a);
        Arrays.sort(b);
        int x = 0;
        boolean[] visit = new boolean[Math.min(a.length, b.length)];
        if(a.length < b.length) {
            for (int i = 0; i < b.length; i++) {
                for (int j = 0; j < a.length; j++) {
                    if (!visit[j] && a[j].equals(b[i])) {
                        visit[j] = true;
                        x++;
                        break;
                    }
                }
            }
        }else{
            for (int i = 0; i < a.length; i++) {
                for (int j = 0; j < b.length; j++) {
                    if (!visit[j] && a[i].equals(b[j])) {
                        visit[j] = true;
                        x++;
                        break;
                    }
                }
            }
        }
      int y = a.length + b.length - x;
        if(x==0 && y == 0)
            return 65536;
        if(x > y) {
            double temp = (double)y / (double)x;
            return (int) (65536 * temp);
        }
        double temp = (double) x / (double) y;
        return (int)(65536 * temp);
    }
}

이 문제의 핵심은 문자열을 띄어쓰기 있는 부분은 고려하지 않은 채 2글자씩 잘랐을 때 각각의 단어가 생성이 되는데, 이 단어들을 대문자, 소문자 구분 없이 비교했을 때 서로 같으면 교집합의 카운트가 올라가고 이 때 자카드 유사도라는 개념을 도입하여 교집합 / 합집합의 수치를 구하는 문제입니다.

교집합만 구하면 합집합은 굉장히 구하기 쉬운데, 이유는 고등수학(하)의 집합 내용을 보시면 알 수 있습니다.

교집합의 수는 n(A) + n(B) - n(A U B)와 같기 때문에 합집합의 수 또한 이를 이용해 구할 수 있게됩니다.

그러므로 우리는 교집합만 구한다면 문제를 비교적 쉽게 풀 수 있게 됩니다.

차근차근 풀어봅시다.

String match = "^[a-zA-Z]*$";
        ArrayList<String> arr1 = new ArrayList<>();
        ArrayList<String> arr2 = new ArrayList<>();

저희는 정규식을 이용하여 문제를 풀 것입니다.

정규식이란 특정 검색 패턴(ASCII 또는 유니코드 문자의 시퀀스)에 대한 하나 이상의 일치 항목을 검색하여 텍스트에서 정보를 추출하는데 매우 유용합니다.

인터넷에 정규식의 패턴에 대해 검색하면 정말 손쉽게 찾을 수 있기 때문에 이걸 외우려고 하지 마시고 필요한 부분에 대해서 찾아 쓰시면 되겠습니다.

제가 이 문제를 정규식으로 접근한 이유는 문자들을 집어서 사용해야 하는데 입력 예제에 문자열만 주어진다면 좋겠지만 +나 -같은 연산자들도 주어진다고 했기 때문에 문자들을 입력받아야 했습니다.

저는 match라는 String 지역 변수에 "^[a-zA-Z]*$";을 집어넣고 비교해보겠습니다.

for(int i = 0; i < str1.length() - 1; i++){
            String temp = str1.substring(i, i + 2);
            if(temp.matches(match)) {
                arr1.add(temp);
            }
        }
        for(int i = 0; i < str2.length() - 1; i++){
            String temp = str2.substring(i, i + 2);
            if(temp.matches(match))
                arr2.add(temp);
        }

for문을 이용하여 arr1에는 str1의 문자들을 각각 match와 비교하여 두글자씩 잘라 넣고

arr2에는 str2의 문자들을 각각 match와 비교하여 두글자씩 잘라 넣었습니다.

이후

String[] a = new String[arr1.size()];
        String[] b = new String[arr2.size()];
        for(int i = 0; i < arr1.size(); i++) {
            String temp = arr1.get(i).toLowerCase();
            a[i] = temp;
        }
        for(int i = 0; i < arr2.size(); i++) {
            String temp = arr2.get(i).toLowerCase();
            b[i] = temp;
        }

String[] a에는 arr1의 문자들을 소문자로 변환하여 각각 담고 

String[] b에는 arr2의 문자들을 소문자로 변환하여 각각 담아줍니다.

int x = 0;
        boolean[] visit = new boolean[Math.min(a.length, b.length)];
        if(a.length < b.length) {
            for (int i = 0; i < b.length; i++) {
                for (int j = 0; j < a.length; j++) {
                    if (!visit[j] && a[j].equals(b[i])) {
                        visit[j] = true;
                        x++;
                        break;
                    }
                }
            }
        }else{
            for (int i = 0; i < a.length; i++) {
                for (int j = 0; j < b.length; j++) {
                    if (!visit[j] && a[i].equals(b[j])) {
                        visit[j] = true;
                        x++;
                        break;
                    }
                }
            }
        }

이후 visit배열을 이용하여 중복탐색을 피해줘야 하는데, 저는 a와 b중 길이가 작은 값을 visit의 크기로 잡았습니다.

첫 번째 제어문에서 a가 b보다 길이가 작으면, a의 배열 요소를 b와 각각 비교하여 같은지 유무를 판단하고 그 수를 세는 것입니다.

중복 탐색을 피하기 위해 visit문으로 잘 거르는 것이 중요하겠습니다.

또한 같은 배열을 찾으면 이후의 탐색은 굳이 안해도 되기 때문에 break합니다.

else문에서도 마찬가지로 이 때에는 a가 b보다 크기가 클 때를 의미합니다.

마찬가지로 x의 수를 계속 증가시켜주며 교집합의 수를 구합니다.

마치고 나면

int y = a.length + b.length - x;
        if(x==0 && y == 0)
            return 65536;
        if(x > y) {
            double temp = (double)y / (double)x;
            return (int) (65536 * temp);
        }
        double temp = (double) x / (double) y;
        return (int)(65536 * temp);

y의 수를 a와 b를 더한 것에서 x를 뺀 값으로 가져옵니다.

이 때 x와 y가 0이면 65536을 return해주고 이외의 경우에선 다음과 같이 작성해주시면 되겠습니다.

크게 어려울건 없는데 a와 b의 크기를 구분하는 부분에서 시간을 많이 잡아먹었습니다.

감사합니다.