[프로그래머스] 뉴스 클러스터링(C++)

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

프로그래머스

 

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.

 

문제 해설

1. 두 문자씩 묶을 것

2. 두 문자씩 묶을 때 하나라도 알파벳이 아니라면 해당 문자 묶음은 버릴 것

3. 문자 묶음의 중복 허용

 

위 세 가지만 잘 유념해서 문자 묶음을 만들고, 각 문자의 합집합과 교집합을 구하면 된다.

 

내 코드

#include <string>
#include <unordered_map>
#include <iostream>
#include <cctype>
using namespace std;

// 문자열에서 2글자씩 잘라서 대문자로 변환하고 알파벳만 포함된 경우에만 맵에 추가
void processString(const string& str, unordered_map<string, int>& counter) {
    for(int i = 0; i < str.length() - 1; ++i) {
        // 두 문자가 모두 알파벳인지 확인
        if(!isalpha(str[i]) || !isalpha(str[i+1])) {
            continue;
        }
        
        // 대문자로 변환
        string element;
        element.push_back(toupper(str[i]));
        element.push_back(toupper(str[i+1]));
        
        // 맵에 카운팅
        counter[element]++;
    }
}

int solution(string str1, string str2) {
    unordered_map<string, int> counter1, counter2;
    
    // 두 문자열 처리
    processString(str1, counter1);
    processString(str2, counter2);
    
    int intersection = 0;
    int union_size = 0;
    
    // 교집합 계산
    for(const auto& pair : counter1) {
        const string& element = pair.first;
        int count1 = pair.second;
        int count2 = counter2[element];
        
        intersection += min(count1, count2);
        union_size += max(count1, count2);
        
        // counter2에서 처리한 원소 제거
        counter2.erase(element);
    }
    
    // counter2에 남은 원소들은 str1에 없는 원소들이므로 합집합에 추가
    for(const auto& pair : counter2) {
        union_size += pair.second;
    }
    
    // 자카드 유사도 계산
    if(union_size == 0) {
        return 65536;  // 두 집합이 모두 공집합인 경우
    }
    
    return (intersection * 65536) / union_size;