[프로그래머스] [1차] 뉴스 클러스터링/Python - Lv.2

❓문제

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

성능 요약

메모리: 9.23 MB, 시간: 1.39 ms

구분

코딩테스트 연습 > 2018 KAKAO BLIND RECRUITMENT

 

문제 설명

 

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

str1	str2	answer
FRANCE	french	16384
handshake	shake hands	65536
aa1+aa2	AAAA12	43690
E=M*C^2	e=m*c^2	65536

✍🏻풀이

문제에서 문자열을 두글자씩 끊어서 다중집합 원소로 만든다고 하여 우선 _str1과 _str2로 다중집합 원소를 만든다. 이때 숫자, 특수기호, 공백과 같이 묶인 문자는 제외하므로 isalpha()를 사용해 알파벳으로만 구성된 원소로 다중집합 원소를 만든다.

여기서 다중집합 원소를 만든 후 확인했을 때 두 집합 모두 공집합이라면 J(A, B) = 1로 바로 return 65536을 하면 된다.

그리고 이제 나머지 경우는 교집합과 합집합을 구해서 하면 된다. Counter를 이용해 교집합과 합집합을 만드는 방법이 제일 간단하긴 하지만 나는 교집합을 직접 계산하였으므로 이에 대한 풀이를 하겠다.

합집합의 경우 고등학교 확통 때 배웠던 두 집합의 합은 각 집합의 합에서 교집합을 뺀 것과 같다는 원리를 이용해서 계산한다. 그러므로 교집합만 구하면 된다. 교집합은 두 집합을 비교해서 있다면 _str에서 제거하고 교집합 원소만 담는 리스트에 추가하면 된다. 그리고 교집합의 원소의 개수를 두 집합의 원소의 개수 합에서 빼면 합집합의 원소의 개수가 나온다. 마지막으로 교집합의 원소의 개수/합잡합의 원소의 개수*65536을 하고 int()를 씌워서 정수부분만 반환하면 된다.

💻코드

리스트로 직접 교집합 계산

def solution(str1, str2):
    _str1 = [str1[i:i+2].lower() for i in range(len(str1)-1) if str1[i:i+2].isalpha()]
    _str2 = [str2[i:i+2].lower() for i in range(len(str2)-1) if str2[i:i+2].isalpha()]
    if len(_str1) == 0 and len(_str2) == 0:
        return 65536
    
    union = len(_str1) + len(_str2)
    inter = [] # 교집합
    if len(_str1) > len(_str2):
        _str = _str2.copy()
        for s in _str1:
            if s in _str:
                _str.remove(s)
                inter.append(s)
    else:
        _str = _str1.copy()
        for s in _str2:
            if s in _str:
                _str.remove(s)
                inter.append(s)
    
    answer = int(len(inter)/(union-len(inter))*65536)
    return answer

Counter 이용해서 교집합과 합집합 계산

from collections import Counter

def solution(str1, str2):
    _str1 = [str1[i:i+2].lower() for i in range(len(str1)-1) if str1[i:i+2].isalpha()]
    _str2 = [str2[i:i+2].lower() for i in range(len(str2)-1) if str2[i:i+2].isalpha()]
    
    if not _str1 and not _str2:
        return 65536
        
    c1, c2 = Counter(_str1), Counter(_str2)
    union = sum((c1|c2).values())
    inter = sum((c1&c2).values())
    
    return int(inter/union*65536)

📍후기

또 문제를 제대로 안 읽었다...두글자씩 끊으라고 했는데 한글자씩 끊어서 풀고 있고 참...🤦🏻‍♀️그리고 Counter로 다시 풀었을 때 처음에는 불필요하게 Counter객체를 새로 생성해서 시간은 많이 안 줄었는데 선언한 다음에 재사용하는 식으로 바꿨더니 확실히 많이 줄어든 것 같다.