프로그래머스] C++ 2018 KAKAO BLIND RECRUITMENT - [1차] 뉴스 쿨러스터링(Level 2)

해당 문제는 프로그래머스 코딩테스트 연습에 있는 문제입니다.

아래 링크를 통해 풀 수 있습니다.

 

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

 

 

 

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 = , 집합 B = 라고 할 때, 교집합 A ∩ B = , 합집합 A ∪ B = 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 = , 다중집합 B = 라고 하면, 교집합 A ∩ B = , 합집합 A ∪ B = 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 , 가 되며, 교집합은 , 합집합은 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, ab만 다중집합의 원소로 삼고, b+는 버린다.
• 다중집합 원소 사이를 비교할 때, 대문자와 소문자의 차이는 무시한다. AB와 Ab, ab는 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

 

 

 

 

해당 문제를 풀기 위해선 다음과 같은 처리를 해줘야 합니다.

 

1. string문자를 2개씩 나눈다. (FRANCE면 FR, RA, AN, NC, CE) 이런식으로....

2. 그 후 나눈 문자들 중 합집합과 교집합을 찾아내야 한다.

3. 단, 다중집합이 있을 수 있다. 

(예를들어 2개씩 나눴을 때 원소들은 다음과 같이 있을 수 있습니다.)

 

같은 녀석이 오른쪽 3개, 왼쪽 2개가 있습니다.

이럴 경우 합집합은 가장 많은 오른쪽 기준이 되고 교집합은 가장 적은 왼쪽 기준이 됩니다.

합집합 :

교집합 :

따라서 다중집합인 경우도 고려해 줘야 합니다.

4. 문자를 비교할 때는 대소문자를 구분짓지 않습니다.

따라서 알파벳이 같다면 동일한 문자로 처리해 줘야 합니다.

 

 

우선 저는 문자열을 나눈 후 모두 소문자로 변환시켰습니다.

그 후 multiset을 사용해 모든 문자열을 집어 넣었습니다.

그렇게 되면 변환된 모든 문자열이 중복 상관없이 저장되는데 여기서 교집합만 구해서 빼주면

합집합이 남습니다.

저희가 구해야할 문제는 숫자 계산이므로 뭐가들어있는지 알 필요는 없고 저장된 원소의 사이즈 정보만 알면 됩니다.

교집합을 구할땐 2개의 unordered_map으로 구했으며 입력된 요소마다 count를 증가시켜 중복여부를 확인했습니다.

 

 

#include <string>
#include <unordered_map>
#include <set>
#include <vector>
#include <algorithm>

using namespace std;

int solution(string str1, string str2) {
    int answer = 0, len = 0;
    unordered_map<string, int> m1;
    unordered_map<string, int> m2;
    multiset<string> s;
    set<string> check;
    vector<string> v;
    
    if(str1.size() > str2.size()){
        len = str1.size();
        v.emplace_back(str1);
        v.emplace_back(str2);
    }else{
        len = str2.size();
        v.emplace_back(str2);
        v.emplace_back(str1);
    }
    
    for(int i = 1; i < len; i++){
        string temp_1 = "";
        string temp_2 = "";
        char c1 = tolower(v[0][i - 1]);
        char c2 = tolower(v[0][i]);
        if(c1 >= 'a' && c1 <= 'z' && c2 >= 'a' && c2 <= 'z'){
            temp_1 += c1;
            temp_1 += c2;
            m1[temp_1]++;
            s.emplace(temp_1);
            check.emplace(temp_1);
        }

        if(v[1].size() > i){
            c1 = tolower(v[1][i - 1]);
            c2 = tolower(v[1][i]);
            if(c1 >= 'a' && c1 <= 'z' && c2 >= 'a' && c2 <= 'z'){
                temp_2 += c1;
                temp_2 += c2;
                m2[temp_2]++;
                s.emplace(temp_2);
                check.emplace(temp_2);
            }
        }
    }
    
    double count = 0;
    for_each(check.begin(), check.end(), [&](string str){
        if(m1[str] > 0 && m2[str] > 0){
            if(m1[str] > m2[str])
                count += m2[str];
            else
                count += m1[str];
        }
    });

    if(count == 0 && s.size() == 0)
        return 65536;
    
    double sec = s.size() - count;
    answer = 65536 * (count / sec);    
    return answer;
}