Algorithm

[programmers] 1차 뉴스 클러스터링 python

[프로그래머스][1차]뉴스 클러스터링

문제

(문제가 길어서 윗부분을 잘랐습니다.)
유사한 기사를 묶는 기준을 정하기 위해서 논문과 자료를 조사하던 튜브는 자카드 유사도라는 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 1을 3개 가지고 있고, 다중집합 B는 원소 1을 5개 가지고 있다고 하자. 이 다중집합의 교집합 A ∩ B는 원소 1을 min(3, 5)인 3개, 합집합 A ∪ B는 원소 1을 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 FRANCE와 FRENCH가 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, ab만 다중집합의 원소로 삼고, b+는 버린다.
    다중집합 원소 사이를 비교할 때, 대문자와 소문자의 차이는 무시한다. AB와 Ab, ab는 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.

    풀이과정

  1. 먼저 str1과 str2를 모두 소문자(또는 모두 대문자)로 변경한다.
  2. str1과 str2를 두 글자씩 끊어서 다중 집합의 원소로 만든다.
    • 이때, 공백이나 숫자, 특수문자가 들어오는 경우에는 해당 쌍을 버린다. (ex. ab+b -> {'ab', 'b+', '+b'} -> {'ab'})
  3. 교집합을 구한다. 이 때, 중복원소를 꼭 체크해주어야한다.
    • 중복원소의 경우에는 더 작은 개수를 채택
  4. 합집합을 구한다. 이 때, 중복원소를 체크해주어야한다.
    • 중복원소의 경우에는 더 많은 개수를 채택

필수 예외 처리 사항

  • str1과 str2를 두 글자씩 끊어서 만든 두 다중 집합이 모두 공집합이면 1(즉 65536)을 리턴
  • 교집합 개수가 0이면 0을 리턴

소스코드

소요 시간 32:56 (예외 처리에 오래 걸렸다.. 문제 제대로 읽자)

def cut_two_letter(s):
    res = dict()
    for i in range(1,len(s)):
        if s[i-1].isalpha() and s[i].isalpha():
            if s[i-1]+s[i] in res.keys():
                res[s[i-1]+s[i]] += 1
            else:
                res[s[i-1]+s[i]] = 1
    return res

def get_intersection(s1, s2):
    total = 0
    for key, value in s1.items():
        if key in s2.keys(): #s2에 존재한다면
            total += min(s1[key], s2[key])
    return total

def get_union(s1, s2):
    total = sum(list(s1.values())) + sum(list(s2.values()))
    for key, value in s1.items():
        if key in s2.keys():
            total -= min(s1[key], s2[key])
    return total


def solution(str1, str2):
    str1, str2 = str1.lower(), str2.lower() #모두 소문자로 변경한다.

    set1, set2 = {}, {}
    #두 글자씩 끊기
    set1 = cut_two_letter(str1)
    set2 = cut_two_letter(str2)
    if not set1 and not set2:
        return 65536

    i = get_intersection(set1, set2)
    u = get_union(set1, set2)

    if i == 0:
        return 0

    answer = int((i/u) * 65536)
    return answer
저작자표시

    티스토리툴바