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.
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 A
와 집합 B
가 모두 공집합일 경우에는 나눗셈이 정의되지 않으니 따로 J(A, B)
= 1로 정의한다.
자카드 유사도는 원소의 중복을 허용하는 다중집합에 대해서 확장할 수 있다. 다중집합 A
는 원소 "1"을 3개 가지고 있고, 다중집합 B
는 원소 "1"을 5개 가지고 있다고 하자. 이 다중집합의 교집합 A ∩ B
는 원소 "1"을 min(3, 5)인 3개, 합집합 A ∪ B
는 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.
입력으로 들어온 두 문자열의 자카드 유사도를 출력한다. 유사도 값은 0에서 1 사이의 실수이므로, 이를 다루기 쉽도록 65536을 곱한 후에 소수점 아래를 버리고 정수부만 출력한다.
str1 | str1 | answer |
---|---|---|
FRANCE | french | 16384 |
handshake | shake hands | 65536 |
aa1+aa2 | AAAA12 | 43690 |
E=M*C^2 | e=m*c^2 | 65536 |
import java.util.regex.Pattern;
import java.util.ArrayList;
class Solution {
public int solution(String str1, String str2) {
int answer = 65536; //정답default
int str1Len = str1.length(); //str1 길이
int str2Len = str2.length(); //str2 길이
ArrayList<Integer> overList = new ArrayList(); //교집합 중복방지용 리스트
int sum = 0; //합집합 변수
int over = 0; //교집합 변수
String pattern = "^[a-zA-Z]*$"; //정규식패턴
for(int i=0; i<str1Len-1; i++) { //str1길이 -1 만큼 반복
String tempStr = str1.substring(i, i+2); //두개씩 짝지어서 만든 후
if(Pattern.matches(pattern, tempStr)) { //알파벳만 있을경우
sum++; //합집합 +1
}
}
for(int i=0; i<str2Len-1; i++) { //str2길이 -1 만큼 반복
String tempStr = str2.substring(i, i+2); //두개씩 짝지어서 만든 후
if(Pattern.matches(pattern, tempStr)) { //알파벳만 있을경우
sum++; //합집합 +1
}
}
for(int i=0; i<str1Len-1; i++) {
for(int r=0; r<str2Len-1; r++) {
String tempStr1 = str1.substring(i, i+2); //두개씩 짝지어서 만든 후
String tempStr2 = str2.substring(r, r+2); //두개씩 짝지어서 만든 후
if(Pattern.matches(pattern, tempStr1) && Pattern.matches(pattern, tempStr2)) { //둘다 정규식을 만족하고
if(tempStr1.equalsIgnoreCase(tempStr2) && !overList.contains(r)) { //교집합 중복리스트에 없는경우
overList.add(r); //교집합에 중복추가
over++; //교집합 +1
break;
}
}
}
}
//A = {1, 1, 2, 2, 3}
//B = {1, 2, 2, 4, 5}
//A ∩ B = {1, 2, 2}
//A ∪ B = {1, 1, 2, 2, 3, 4, 5}
if(over!=0 && sum!=0) {
double tempOver = over;
double tempSum = sum-over; //중복없이 합집합개수를 구했으므로 교집합만큼 뺴준다.
double tempAnswer;
answer = (int)Math.floor((tempOver/tempSum)*65536);
} else if(over == 0 && (sum-over) != 0) answer = 0;
return answer;
}
}
정규식을 활용하여 알파벳으로 이루어졌는지 확인 후, 비교하여 개수를 구하였다.
//str1 = {1, 1, 2, 2, 3}
//str2 = {1, 2, 2, 4, 5}
//str1 ∩ str2 = {1, 2, 2}
//str1 ∪ str2 = {1, 1, 2, 2, 3, 4, 5}
1.중복없이 str1의 요소를 구하여 합집합 개수에 더한다.
2.중복없이 str2의 요소를 구하여 합집합 개수에 더한다.
3.str1과 str2의 요소를 비교하여, 교집합 중복리스트에 포함이 되지않는경우만 구하여 교집합 개수에 +1한다.
4.중복없이 합집합 개수에서 교집합 개수를 빼서 합집합개수를 구한다.
5.구한 모든값들을 double형으로 변환하여 정답을 구한다.
https://school.programmers.co.kr/learn/courses/30/lessons/17677