습관처럼
programmers [python] : 2018 KAKAO BLIND RECRUITMENT 뉴스 클러스터링 본문
programmers [python] : 2018 KAKAO BLIND RECRUITMENT 뉴스 클러스터링
dev.wookii 2019. 12. 23. 19:01https://programmers.co.kr/learn/courses/30/lessons/17677
뉴스 클러스터링 문제
기사의 제목을 기준으로 블라인드 전형에 주목하는 기사와 코딩 테스트에 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 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.
str | str2 | answer |
FRANCE | french | 16384 |
handshake | shake hands | 65536 |
aa1+aa2 | AAAA12 | 43690 |
E=M*C^2 | e=m*c^2 | 65536 |
접근 방식
1. 글자를 2자씩 자른다.
2. 글자중 영어가 아닌 다른 문자를 포함하면 리스트에 포함시키지 않는다.
3. str1,str2에서 나뉘어진 리스트에서 합집합 교집합을 구하여 문제를 해결한다.
저는 이중에서 3번의 합집합 교집합을 구하는 과정을 딕셔너니로 해보려다가 실패를 했습니다. 이후 69/100으로 실패.... 고민한 결과 다른방법은 코드가 길어질거 같아 좋은 풀이를 공부해서 풀어 봤습니다.
먼저 다음과 같은 두 가지 방법을 이용하면 쉽게 풀 수 있습니다.
- 정규화
- set (집합)
나의 첫 번째 풀이
import collections
def solution(str1, str2):
answer = 0
str1=str1.upper() #대소문자 상관없이
str2=str2.upper()
if len(str1)==0 or len(str2)==0:
return 65536
str1_result=[]
str2_result=[]
for i in range(len(str1)-1):
if not((ord(str1[i])>=65 and ord(str1[i])<=90) or (ord(str1[i])>=97 and ord(str1[i])<=122)):
continue
if not((ord(str1[i+1])>=65 and ord(str1[i+1])<=90) or (ord(str1[i+1])>=97 and ord(str1[i+1])<=122)):
continue
str1_result.append(str1[i:i+2])
for i in range(len(str2)-1):
if not((ord(str2[i])>=65 and ord(str2[i])<=90) or (ord(str2[i])>=97 and ord(str2[i])<=122)):
continue
if not((ord(str2[i+1])>=65 and ord(str2[i+1])<=90) or (ord(str2[i+1])>=97 and ord(str2[i+1])<=122)):
continue
str2_result.append(str2[i:i+2])
print(str1_result);print(str2_result)
s=[];m=[]
s=(list)(collections.Counter(str2_result)-collections.Counter(str1_result))
m=(list)(collections.Counter(str1_result)+collections.Counter(s))
if len(s)==0: return 65536
mo=len(str1_result)+len(s)
ja=len(str2_result)-len(s)
answer=(int)((float)(ja/mo)*65536)
return answer
위는 딕셔너리를 이용한 잘못된 풀이입니다.
나의 두번째 풀이
from collections import Counter
import re
def solution(str1, str2):
answer = 0
str1=str1.upper() #대소문자 상관없이
str2=str2.upper()
if len(str1)==0 or len(str2)==0:
return 65536
str1_result=[]
str2_result=[]
for i in range(len(str1)-1):
if not((ord(str1[i])>=65 and ord(str1[i])<=90) or (ord(str1[i])>=97 and ord(str1[i])<=122)):
continue
if not((ord(str1[i+1])>=65 and ord(str1[i+1])<=90) or (ord(str1[i+1])>=97 and ord(str1[i+1])<=122)):
continue
str1_result.append(str1[i:i+2])
for i in range(len(str2)-1):
if not((ord(str2[i])>=65 and ord(str2[i])<=90) or (ord(str2[i])>=97 and ord(str2[i])<=122)):
continue
if not((ord(str2[i+1])>=65 and ord(str2[i+1])<=90) or (ord(str2[i+1])>=97 and ord(str2[i+1])<=122)):
continue
str2_result.append(str2[i:i+2])
if len(str1_result) == len(str2_result) == 0: return 65536
str1_count, str2_count = Counter(str1_result), Counter(str2_result)
intersect, union = set(str1_result) & set(str2_result), set(str1_result) | set(str2_result)
intersect = sum([min(str1_count[i], str2_count[i]) for i in intersect])
union = sum([max(str1_count[i], str2_count[i]) for i in union])
return int((intersect / union) * 65536)
더 나은 풀이~
from collections import Counter
import re
def solution(str1,str2):
regex=re.compile('[a-z][a-z]')
str1,str2=str1.lower(),str2.lower()
str1_result = regex.findall(" ".join(str1[i:i+2]for i in range(len(str1))))
str2_result = regex.findall(" ".join(str2[i:i+2]for i in range(len(str2))))
if len(str1_result)==len(str2_result)==0:
return 65536
str1_count,str2_count=Counter(str1_result),Counter(str2_result)
intersect,union=set(str1_result)&set(str2_result),set(str1_result)|set(str2_result)
intersect = sum([min(str1_count[i],str2_count[i])for i in intersect])
union=sum([max(str1_count[i],str2_count[i])for i in union])
return int((intersect/union)*65536)
Funny Algorithms :0
'Algorithms > programmers' 카테고리의 다른 글
programmers [SQL] : 입양 시각 구하기(2) (0) | 2020.02.20 |
---|---|
2020 KAKAO CODING TEST (3) : 자물쇠와 열쇠 (0) | 2020.01.22 |
programmers [python] : 2020 KAKAO BLIND RECRUITMENT 문자열 압축 (0) | 2019.12.22 |
programmers [python] : 2020 KAKAO BLIND RECUITMENT 괄호 변환 (0) | 2019.12.21 |
programmers [python] : 주식가격 (0) | 2019.12.20 |