[4코1파] #55. [1차] 뉴스 클러스터링

gunny·2023년 2월 27일

4코1파 코딩테스트 코딩테스트 python 프로그래머스 [1차] 뉴스 클러스터링 프로그래머스 [1차] 뉴스 클러스터링 python 프로그래머스 뉴스 클러스터링 프로그래머스 뉴스 클러스터링 python

코딩테스트

목록 보기

55/530

[4코1파] 4명의 안드로이드 개발자와 1명의 파이썬 개발자의 코딩 테스트 서막 : 4코1파

Rule :

하루에 1문제씩 풀기.
한 문제당 30분씩은 고민하기.
왜 그렇게 풀었는지 공유하기.
하루라도 놓친다면 벌금은 1,000원

START :

[3코1파] 2023.01.04~ (55일차)
[4코1파] 2023.01.13~ (46일차)

Today :

2023.02.27 [55일차]

프로그래머스 LV2

[1차] 뉴스 클러스터링
https://school.programmers.co.kr/learn/courses/30/lessons/17677

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

문제 풀이 방법

와 쉬워보여서 30-40분 컷인줄 알았는데
3시간 걸린거 감동실화
골~때리는 문제네

일단은 처음에 접근했을 때, 주어진 str1, str2를 대문자든 소문자든
통일시켜주는 로직과 더불어, str1, str2 을 2씩 인덱싱해서 리스트에 넣어주는 거 까지 완..

이때 조건을 걸어서 길이가 1이면은 pop을 하던 제거를 해줘서
2개로만 구성된 문자열 리스트를 만들어내야함 (여기까지 ㄱㅊ)

그 이후에 비교를 하면 되는데
비교는 당연히 set 이지만 다중 집합이라고해서
a = {'aa', 'aa' 'bb'}
b = {'aa', 'aa', 'bc', 'cd}
가 있다고 했을 때, 교집합이 {'aa','aa'} 이렇게 2개 count가 되어야 하는데
집합을 하면 a = {'aa','bb'}
b = {'aa','bc','cd'} 가 되서 intersection(교집합) 수가 2개여야 하는데 1개가 되어 버리는 불상사가 발생한다.

그래서 리스트를 돌면서 찾기 하려했는데 이건 시간복잡도에서 에바일 것 같아서
진짜 두뇌 풀가동 하다가.. 도저히 못찾겠어서 보니까 count로 하는 방법

그리고 sum, max, min을 통해서 푸는 거였다.
카카오 문제 상당히 골때림 골 때린다 진짜 골 뒤지게 때림

증빙

내 코드

import math

def solution(str1, str2):
    answer = 0
    str1, str2 = str1.upper(), str2.upper()
    str1_lst, str2_lst = list(), list()

    for idx in range(len(str1)-1):
        if str1[idx].isalpha() & str1[idx+1].isalpha():
            str1_lst.append(str1[idx:idx+2])
            
    for idx in range(len(str2)-1):
        if str2[idx].isalpha() & str2[idx+1].isalpha():
            str2_lst.append(str2[idx:idx+2])

    intersection = set(str1_lst).intersection(set(str2_lst))
    union = set(str1_lst).union(set(str2_lst))
    
    intersection_cnt = sum([min(str1_lst.count(i), str2_lst.count(i)) for i in intersection])
    union_cnt = sum([max(str1_lst.count(u), str2_lst.count(u)) for u in union])
    
    try:
        answer = math.floor((intersection_cnt/union_cnt)*65536)
    except:
        answer = 65536
    
    return answer

다른 사람 풀이