[JAVA] 프로그래머스 - 뉴스 클러스터링

문제내용

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.

 

---

문제 접근 방법

최근에 봤던 카카오 문제 중 가장 직관적이고 이해하기 쉬웠던 문제이다.

문제를 간단하게 요약하자면 문자열 2개를 각각 2개의 다중집합으로 만들어서 2개 다중집합의 교집합과 합집합을 구하고 자카드 유사도를 구해내면 되는 문제이다.

나는 이 문제를 풀 때 문제에서 설명하는 순서대로 각 메서드를 만들어 구현했고 다음과 같은 풀이 과정을 거치게 됐다.

1. 다중집합 만들기
   문제에서 말하는 다중집합이란 문자열을 앞에서부터 2개씩 끊어서 알파벳으로만 이뤄진 문자열을 갖고 있는 집합을 의미한다.
   나는 다중집합을 만들기 위해 다중집합을 반환해주는 strSplit()이라는 메서드를 정의해서 풀어냈다.
   
   주의할 점은 문제에서 "모두 공집합일 경우에는 나눗셈이 정의되지 않으니 따로 J(A, B) = 1로 정의한다."라고 돼있다. 따라서 다중집합이 공집합일 경우를 생각해야 한다.
   2개의 다중집합이 모두 공집합일 경우, 하나만 공집합일 경우를 고려해서 풀어야 한다는 것을 유의하자.
2. 교집합 만들기
   문제에서 말하는 교집합은 집합 {1, 1, 1}과 {1, 1, 1, 1, 1} 이 있을 때
   문제에서 교집합 {1, 1, 1}로 만들어야 한다. 즉, 교집합의 크기는 Math.min(3 , 5)라고 말할 수 있다.
   
   나는 이를 풀기 위해 교집합의 크기를 반환해주는 intersection이라는 메서드를 만들었고, 이 함수의 구동원리는
   두 개 집합의 원소를 비교하며 방문 배열을 이용해 이미 방문했던 원소는 패스, 방문하지 않고 똑같은 원소는 추가하는 방식으로 구현했다.
3. 합집합 만들기
   교집합을 만들었다면 합집합은 간단하게 생각하면 된다.
   나는 일반적인 집합 원리처럼 합집합은 '교집합 + 교집합에서 제외된 나머지 원소'라고 생각하고 풀어냈다.
   
   합집합도 마찬가지로 크기를 반환해주는 union이라는 메서드를 만들었다. 이 함수도 교집합과 같은 원리지만 추가로 마지막에 교집합을 만들 때 방문하지 않았던 원소들을 추가하는 과정만 거쳤다.

위의 풀이과정처럼 구현한다면 문제는 쉽게 풀린다.

하지만 처음에 교집합과 합집합을 구할 때 HashMap을 이용하려 했지만 List를 이용하는 게 더 쉽다고 느껴져서 List를 이용했는데 HashMap을 이용해봐도 좋을 것 같다.

 

풀이를 보자

 

---

풀이

import java.util.ArrayList;
import java.util.LinkedList;

public class Solution {
	public static int solution(String str1, String str2) {
		int answer = 0;
		str1 = str1.toUpperCase();
		str2 = str2.toUpperCase();
		ArrayList<String> str1Arr = new ArrayList<String>();
		ArrayList<String> str2Arr = new ArrayList<String>();
		
		//빈문자열 들어왔을때 예외처리
		if(str1.equals("") && str2.equals("")) {
			return 65536;
		}else if(str1.equals("") || str2.equals("")) {
			return 0;
		}
		
		//다중집합(문자열 분리)
		str1Arr = strSplit(str1);
		str2Arr = strSplit(str2);
		
		//다중집합이 공집합일때 예외처리
		if(str1Arr.size()==0 && str2Arr.size()==0) {
			return 65536;
		}else if(str1Arr.size()==0 || str2Arr.size()==0) {
			return 0;
		}
		
		double inter = intersection(str1Arr, str2Arr);//교집합
		double uni = union(str1Arr, str2Arr);//합집합
		double result = 0;//자카드 유사도
		
		result = (inter/uni)*65536;
		answer = (int) result;
		
		return answer;
	}
	
	//문자열 분리
	public static ArrayList<String> strSplit(String str) {
		ArrayList<String> result = new ArrayList<String>();
		String[] arr = new String[str.length()-1];
		
		//2개씩 끊어서 배열에 넣기
		for(int i=0; i<str.length()-1; i++) {
			arr[i] = String.valueOf(str.charAt(i))+str.charAt(i+1);
		}
		
		//만들어진 배열에서 알파벳으로 이뤄진 문자열만 골라내기 
		for(int i=0; i<arr.length; i++) {
			char first = arr[i].charAt(0);
			char second = arr[i].charAt(1);
			if('A'<=first && first<='Z' && 'A'<=second && second<='Z') {
				result.add(String.valueOf(first)+second);
			}
		}
		return result; 
	}
	
	//교집합
	public static double intersection(ArrayList<String> arr1, ArrayList<String> arr2) {
		double result=0;
		boolean[] check2 = new boolean[arr2.size()];
		LinkedList<String> list = new LinkedList<String>();
		
		//두개의 다중집합 비교하기
		for(int i=0; i<arr1.size(); i++) {
			for(int j=0; j<arr2.size(); j++) {
				if(check2[j]) {continue;}//이미 비교했던 원소는 패스
				//원소가 같으면 교집합에 추가하고 arr1의 다음 원소부터 다시 비교
				if(arr1.get(i).equals(arr2.get(j))) {
					list.add(arr2.get(j));
					check2[j] = true;
					break;
				}
			}
		}
		
		result = list.size();//교집합 크기
		return result;
	}
	
	//합집합
	public static double union(ArrayList<String> arr1, ArrayList<String> arr2) {
		double result=0;
		boolean[] check1 = new boolean[arr1.size()];
		boolean[] check2 = new boolean[arr2.size()];
		LinkedList<String> list = new LinkedList<String>();
		
		//두개의 다중집합 비교(교집합과 같은원리)
		for(int i=0; i<arr1.size(); i++) {
			for(int j=0; j<arr2.size(); j++) {
				if(check2[j]) {continue;}
				if(arr1.get(i).equals(arr2.get(j))) {
					list.add(arr2.get(j));
					check1[i] = true;
					check2[j] = true;
					break;
				}
			}
		}
		
		//교집합의 원소를 제외한 나머지 원소를 추가.
		for(int i=0; i<check2.length; i++) {
			if(!check2[i]) {
				list.add(arr2.get(i));
			}
		}
		for(int i=0; i<check1.length; i++) {
			if(!check1[i]) {
				list.add(arr1.get(i));
			}
		}
		
		result = list.size();//합집합 크기
		return result;
	}
}

 

---

마치며

사람마다 다르겠지만 최근에 풀었던 카카오 lv2 문제에 비교해보면 좀 더 이해하고 구현하기 쉬운 문제였다고 느낀다. 또한 다른 분의 코드를 보면 훨씬 짧고 간단한 방식으로 푼 것도 있는데 참고하면 좋을 것 같다.