[Python]프로그래머스 LEVEL2> 카카오 코딩테스트 - 뉴스 클러스터링

안녕하세요,! 오늘은 카카오 코딩테스트 1차 문제 중 하나인 뉴스 클러스터링 문제를 가져왔습니다.

이 문제같은 경우에는 '중복집합' 을 어떻게 표현할 것 인지 캐치를 빠르게 했다면 금방 풀 수 있는 문제였습니다.

이 문제는 풀이를 두 가지를 가져왔는데 첫 번째는 제가 푼 약간은 복잡해보이는 풀이이고, 두 번째는 아주 간결한 내장함수를 사용해 푼 풀이입니다.

둘 다 좋은 풀이로써 한번 확인해보시길 바랍니다!:)

포스팅 시작합니다.

 

 

문제설명

 

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.

 

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

 

첫 번째 풀이

 

import string
def solution(str1, str2):
    answer=0
    str1_n=[]
    str2_n=[]
    ans1=[]
    ans2=[]
    alpabet=string.ascii_lowercase
    for i in range(len(str1)-1):
        if str1[i].lower() in alpabet and str1[i+1].lower() in alpabet:
            str1_n.append((str1[i]+str1[i+1]).lower())
            
    for z in range(len(str2)-1):
        if str2[z].lower() in alpabet and str2[z+1].lower() in alpabet:
            str2_n.append((str2[z]+str2[z+1]).lower()) #조건1 만족
            
    intersection = list(set(str1_n) & set(str2_n))
    combined=list(set(str1_n)|set(str2_n))
    
    for v in intersection:   #[1,2]
        Mode=[str1_n.count(v),str2_n.count(v)]
        for m in range(0,min(Mode)):
            ans1.append(v)  #교집합
            
    for v in combined:
        Mode=[str1_n.count(v),str2_n.count(v)]
        for m in range(0,max(Mode)):
            ans2.append(v)      #합집합
        
    if len(ans2)==0 and len(ans1)==0:
        return 65536
    else:
        return int(65536*(len(ans1)/len(ans2)))

이 풀이에선 내장함수는 알파벳들을 불러오는 기능만 사용했다.

처음 for문 두 개에서는 문제에서 제시한 첫 조건인 두개의 문자열로 나누기 + 알파벳으로만 구성하기 를 만족하도록

하는 부분이다. 다음, intersection과 combined 을 중복집합을 구성하기 전 먼저 합집합과 교집합을 기본으로 설정해주고 그 다음 문제에서 제시한 중복집합의 개념으로 합집합과 교집합의 정의를 두 개의 for문으로 구성하여 나타내었다.

1.교집합에서는 두 개의 집합에서 중복되는 원소 중 더 적은 개수만큼(min(Mode)) ans1값에 append한다.

2. 합집합에서는 두 개의 집합에서 전체 원소 중 더 많은 개수만큼(max(Mode)) ans2값에 append한다.

이렇게 문제에서 제시한 교집합의 값, 합집합의 값을 나타내어 값을 return하였다.

요 풀이는 괜찮지만 처음 보기에 두 번쨰 풀이에 비해 보기 어려울 수 있어 ,, 두 번째 풀이를 추천합니다.

다른 사람이 내 풀이를 봤을 때, 더 쉽게 빠르게 캐치하는게 더 좋은 코드이며 더 파이써닉(?)하다고 볼 수 있을 것 같다.

파이썬의 큰 장점이 다른 언어들 보다 선언이나 내장함수, 코드구성하는 데에 있어서 훨씬 간결하고 편하기 때문에 

더욱 더 두번 째 풀이를 선호한다:>

 

두 번째 풀이

 

import re

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])]
# 첫 번째 조건
    intersection = set(str1) & set(str2)  # 교집합
    combined = set(str1) | set(str2)    # 합집합

    if len(intersection) == 0 and len(combined)==0:
        return 65536

    intersection_result = sum([min(str1.count(i), str2.count(i)) for i in intersection])
    combined_result= sum([max(str1.count(c), str2.count(c)) for c in combined])
    #다중집합
    return int((intersection_result/combined_result)*65536)

 

이 풀이는 정말정말 !!!! 다른 분들 거를 보고 제가 다시 프로그래밍해본 코드인데 너무 배울 게 많은 코드같다.

전엔 몰랐던,,,,, list선언을 굳이 안해도 되는데 첫 번째 풀이에선 리스트 선언하여 +append하는 방식으로 길게 표현 했다면 이 풀이는 단번에 한 줄로 어떤걸 표현했는지 알 수 있는 멋진코드였다..

첫 번째 풀이에서는 for문을 6개를 사용했다면 여기선 4개로 끝낼 수 있어서 시간복잡도도 더 좋은 코드이다.

그리고 ! 여기서 주의 해야할 점이자 배울 점은 , 첫 부분 for-if not 부분에서 re.findall에서' [^a-zA-Z]에서도 not을 사용하고 if에서도 not을 사용해 왜 두번을 사용할까? 그냥 둘다 not을 지워사용하면 똑같은 것 아닌가?' 라는 의문이 생길 수 있다. 

만약, 그렇게 구현한다면 문자열 1개이상을 findall을 사용해 알파벳을 건져낼 때는 문자열에 알파벳 한개만 있어도 if문 안에서 True가 나오기 때문에 str1,str2의 원소로 들어가게 된다.

하지만 여기 조건에서는 길이가 2인 문자열 + 알파벳으로만 구성 해야하기 때문에 이 부분을 응용해

[^a-zA-Z]을 사용해 숫자가 1개라도 들어간 부분을 찾아내 -> if not으로 다 걸러내는 것이다.

 

예를 들어 코드로 설명한다면,

 

>>> str
'aaabbbCC12a90'
>>> str1=[str[i:i+2].upper() for i in range(len(str)-1) if re.findall('[^a-zA-Z]+',str[i:i+2])]
>>> str1
['C1', '12', '2A', 'A9', '90']

if 일 떄 이렇게 숫자가 하나라도 들어간 부분을 찾아내기 때문에 ,

 

>>> str1=[str[i:i+2].upper() for i in range(len(str)-1) if not re.findall('[^a-zA-Z]+',str[i:i+2])]
>>> str1
['AA', 'AA', 'AB', 'BB', 'BB', 'BC', 'CC']

이렇게 if에서 not을 더해 알파벳을 제외한 어떤 것이 들어간 것은 모두 제외하게 나오도록 한 것이다.

 

요 부분을 헷갈려하시는 분들이 많으신거 같아서 따로 추가적인 예제로 살펴봤는데,

두 번째 코드를 보니 내코드가 넘 보기도 어렵고 비루해 보이는 건,, ㅎㅎ;

여하튼 둘 다 한번 씩 보면서 몰랐던 부분이나 생각치 못한 부분은 보안했음 좋겠습니다!

포스팅은 여기까지이고 잘못된 부분 지적과 댓글은 환영입니다 :> ♡