[Python] 프로그래머스 코딩테스트 연습 level2 (뉴스 클러스터링)

1. 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.

 

 

 

 

 

 

2. 내 풀이

import re, math
def solution(str1, str2):
    str1, str2 = str1.lower(), str2.lower()
    list1 = [str1[x:x+2] for x in range(len(str1)-1) if str1[x:x+2].isalpha()]
    list2 = [str2[x:x+2] for x in range(len(str2)-1) if str2[x:x+2].isalpha()]
    interaction = []
    copy1, copy2 = list1.copy(), list2.copy()
    if list1 == [] and list2 == []:
        answer = 65536
    else:
        for i in list1:
            if i in copy2:
                interaction.append(i)
                copy1.remove(i)
                copy2.remove(i)
        union = interaction + copy1 + copy2
        answer = math.floor(len(interaction)/len(union)*65536)
    return answer

 

1. 소문자, 대문자를 구분하지 않으므로 두 문자열을 모두 소문자로 변환

2. for문을 사용하여 2글자의 영어로만 이루어진 글자를 리스트 형태로 받아줌 (isalpha(): 영어면 True, 아니면 False 반환)

3. 만약 두 리스트 모두 비어있으면 answer = 65536

4. list1에 존재하는 문자가 list2에도 존재하면 interaction 리스트에 추가, 복사된 리스트 1,2에서는 각각 삭제처리

5. 합집합은 교집합 + 리스트에 삭제되지 않고 남아있는 요소 로 계산

6. floor()함수로 결과값 계산

 

 

3. 다른 사람 풀이

import re
import math

def solution(str1, str2):
    str1 = [str1[i:i+2].lower() for i in range(0, len(str1)-1) if not re.findall('[^a-zA-Z]+', str1[i:i+2])]
    str2 = [str2[i:i+2].lower() for i in range(0, len(str2)-1) if not re.findall('[^a-zA-Z]+', str2[i:i+2])]

    gyo = set(str1) & set(str2)
    hap = set(str1) | set(str2)

    if len(hap) == 0 :
        return 65536

    gyo_sum = sum([min(str1.count(gg), str2.count(gg)) for gg in gyo])
    hap_sum = sum([max(str1.count(hh), str2.count(hh)) for hh in hap])

    return math.floor((gyo_sum/hap_sum)*65536)

 

1. str1,2를 각각 두글자씩 나누어 영어로만 이루어져 있는 문자열을 리스트로 받아줌

2. 각각의 교집합과 합집합을 구함

3. 합집합이 0인 경우 65536 반환

4. 교집합 리스트의 요소가 각각 원래의 리스트에 들어있었을 때의 개수를 카운트하여 둘 중 작은 값을 반환하여 더해줌

    합집합 리스트의 요소가 각각 원래의 리스트에 들어있었을 때의 개수를 카운트하여 둘 중 큰 값을 반환하여 더해줌

5. 교집합의 수 / 합집합의 수 * 65536 반환

 

 

def solution(str1, str2):

    list1 = [str1[n:n+2].lower() for n in range(len(str1)-1) if str1[n:n+2].isalpha()]
    list2 = [str2[n:n+2].lower() for n in range(len(str2)-1) if str2[n:n+2].isalpha()]

    tlist = set(list1) | set(list2)
    res1 = [] #합집합
    res2 = [] #교집합

    if tlist:
        for i in tlist:
            res1.extend([i]*max(list1.count(i), list2.count(i)))
            res2.extend([i]*min(list1.count(i), list2.count(i)))

        answer = int(len(res2)/len(res1)*65536)
        return answer

    else:
        return 65536

 

1. 내가 풀이한 방식과 마찬가지로 각 문자열을 isalpha()함수를 사용하여 두글자씩 끊어서 반환

2. 리스트를 집합형식으로 변환하여 합집합을 생성

3. 합집합에 원소가 존재하는 경우 -> for 문을 사용하여 tlist에 존재하는 요소들을 각 리스트에서 카운트하여 합집합에는 최대값만큼 추가, 교집합에는 최소값만큼 추가해준 뒤 계산

합집합에 원소가 존재하지 않는 경우 -> 65536 반환