Programmers Coding Test 연습 문제 - [1차] 뉴스 클러스터링

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

코딩테스트 연습 - [1차] 뉴스 클러스터링

 

문제

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.

 

 

 

내 문제 풀이

str1 = "handshake"
str2 = "shake hands"

#대소문자는 무시하기로 했으므로, 모두 대문자로 맞춰주었다.
#이 부분은 뒤에 반복문에서 넣어주기로 했다.
# str1 = str1.upper()
# str2 = str2.upper()

print(str1)
print(str2)

trans_str1 = []

#두글자씩 끊어서 집합을 만든다.
#맨뒷글자를 기준으로는 현재 글자와 다음글자로 두 글자를 만들 수 없으므로, 마지막 인덱스보다 1 적게 설정한다.
for i in range(len(str1)-1):
  #알파벳이 아닌 문자가 들어가면, 리스트에 추가안한다.
  #알파벳이 맞으면, 그것 포함 두 글자를 대문자로 바꿔서 리스트에 저장한다.
  if str1[i:i+1+1].isalpha() == True:
    trans_str1.append(str1[i:i+1+1].upper())

trans_str1

trans_str2 = []
for i in range(len(str2)-1):
  #알파벳이 아닌 문자가 들어가면, 리스트에 추가안한다.
  #알파벳이 맞으면, 그것 포함 두 글자를 대문자로 바꿔서 리스트에 저장한다.
  if str2[i:i+1+1].isalpha() == True:
    trans_str2.append(str2[i:i+1+1].upper())

trans_str2

if len(trans_str1) == 0 or len(trans_str2) == 0:
  #실제 문제에서는 함수로 푸니까, return이 여기 꼭 있어야한다. 

  #여기서 return 안되면 주어진 문자열에 문자쌍을 만들 수 있는 글자가 
  #없는 경우에 틀린 문제가 된다.
  #return 1 * 65536



#만약 두글자씩 끊었을때 중복되는 요소가 있으면 어떻게 하는지 안나와있는 것 같다.
#집합이랬으니까 빼라는 소리로 알아듣고 푼다.

#교집합 나누기 합집합을 하려고
#set 자료형으로 바꾸니까 중복되는 요소들이 없어져서 요소 갯수 차이를 무시해버린다.
#문제가 있다. 리스트로 해야겠다.
# trans_str1 = set(trans_str1)
# trans_str2 = set(trans_str2)

#둘 중 긴 리스트를 찾는다.
long_list = trans_str1
short_list = trans_str2
if len(trans_str1) < len(trans_str2):
  long_list = trans_str2
  short_list = trans_str1

#리스트에 변형을 가하기 전에, 미리 합집합의 길이부터 변수에 저장해주자.
#아직 제대로된 합집합의 길이가 아니다. 그냥 다 합쳤으므로 교집합을 빼줘야 진짜 합집합의 길이가 나온다.
#뒤에서 리스트에 변형을 가하기 때문에 그 전에 변수에 저장해둔 것이다.
temp_union = len(trans_str1) + len(trans_str2)


#둘 중 길이가 짧은 리스트를 찾아서 비교하려고 했는데, 상관이 없다.
#그냥 아무 리스트나 하나 골라서 다른 하나와 비교한다.
intersection = 0
for i in trans_str1:
  if i in trans_str2:
    #만약 겹치는 게 있으면 한쪽 리스트에서 삭제하고,
    trans_str2.remove(i)
    #삭제된 갯수를 교집합 갯수에 추가한다.
    intersection+=1
    print(trans_str2)

union = temp_union - intersection

#위에 리턴이 없는 경우 특정 상황에서 이 아랫 부분에서 모두 에러가 난다.
result_temp = intersection / union

result_temp

#65536을 곱하고, 소수점 아래를 버리겠다.
#65536을 곱하면서 강제 형변환으로 소숫점 아래를 버린다.

answer = int(result_temp * 65536)

answer

직접 작성한 코드와 직접 붙인 설명을 코랩에서 가져왔다.

 

 

 

 

 

def solution(str1, str2):
    
    trans_str1 = []
    for i in range(len(str1)-1):
        if str1[i:i+1+1].isalpha() == True:
            trans_str1.append(str1[i:i+1+1].upper())
            
    trans_str2 = []
    for i in range(len(str2)-1):
        if str2[i:i+1+1].isalpha() == True:
            trans_str2.append(str2[i:i+1+1].upper())

    if len(trans_str1) == 0 and len(trans_str2) == 0:
        return 1 * 65536
        
    long_list = trans_str1
    short_list = trans_str2
    if len(trans_str1) < len(trans_str2):
        long_list = trans_str2
        short_list = trans_str1

    temp_union = len(trans_str1) + len(trans_str2)
    intersection = 0
    for i in trans_str1:
        if i in trans_str2:
            trans_str2.remove(i)
            intersection+=1
            # print(trans_str2)
            
    union = temp_union - intersection
    result_temp = intersection / union
    # print(intersection)
    answer = int(result_temp * 65536)
    
    return answer

주석 다 떼고 함수로 바꿔서 답안을 제출했다.