DB Mode (No Cache)

3003-recomendacao-fase3

recomendacao-fase3

A Difficulty

README.md Preview

# Streamio: A Inteligência Colaborativa

A plataforma **Streamio** alcançou um novo patamar. Para consolidar seu domínio no mercado intergaláctico, o CEO encomendou um **Motor de Recomendação Colaborativo**. Este sistema deve analisar não apenas o que um usuário gosta, mas o comportamento de "Vizinhos Galácticos" — usuários com perfis similares — para prever o próximo interesse do Usuário Alvo.

## Descrição do Problema

O sistema recebe um dump de filmes e avaliações. Para cada comando `RECOMENDAR {ID_ALVO} {TIPO_VINCULO}`, você deve seguir três etapas rigorosas em memória:

1.  **Similaridade (Definição de Vizinhos)**:
    Identifique usuários (vizinhos) baseados no `TIPO_VINCULO`:
    -   **RESTRITO**: Usuários que avaliaram os *exatos mesmos **N >= 3** filmes* e ambos deram nota **>= 4** para toda a interseção.
    -   **TOLERANTE**: Usuários com pelo menos 1 filme em comum (qualquer nota).
    -   **ESPECIALIDADE**: Primeiro, determine o **Gênero Favorito** do Alvo (maior volume de avaliações; empate: ordem alfabética Z-A). São vizinhos aqueles que deram nota $\ge 4$ em pelo menos um filme desse gênero.

2.  **Candidatos**:
    Selecione filmes que os vizinhos avaliaram e o Alvo ainda não.
    -   Em `TOLERANTE`: Apenas filmes onde os vizinhos deram nota **exatamente 5**.
    -   Nos demais: Apenas filmes onde os vizinhos deram nota $\ge 4$.

3.  **Regra de Exclusão (Veto por Ódio)**:
    Se o Alvo deu nota 1 para **qualquer** filme de um diretor, **remova** todos os filmes desse diretor da lista de candidatos.

### Entrada
-   Dois inteiros **F** (Filmes) e **A** (Avaliações).
-   **F** linhas CSV: `id,titulo,generos,diretor,ano`. (Gêneros separados por `;`).
-   **A** linhas CSV: `id_usuario,id_filme,nota`.
-   Comas de busca: `RECOMENDAR {ID_ALVO} {TIPO_VINCULO}` até o EOF.

### Saída
Para cada comando, imprima o cabeçalho `--- RECOMENDAR {ID_ALVO} {TIPO_VINCULO} ---` seguido pelos títulos dos filmes recomendados, ordenados por:
1.  **Média das Notas dos Vizinhos** (Descendente).
2.  **Ano de Lançamento** (Mais recente primeiro).
3.  **Título** (Alfabético A-Z).

## Editorial: Lógica de Solução

A complexidade deste problema reside na gestão eficiente das coleções e na aplicação sequencial de filtros.

### Modelagem de Dados
-   Use um `Map<Integer, Filme>` para acesso instantâneo aos metadados do filme (especialmente para verificar o diretor durante a regra de exclusão).
-   Use um `Map<Integer, Map<Integer, Integer>>` para representar os usuários e suas avaliações (`usuarioId -> (filmeId -> nota)`).

### Estratégia de Implementação
1.  **Pré-processamento de Ódio**: Antes de buscar candidatos, varra as avaliações do Alvo. Colete em um `Set<String>` os nomes de todos os diretores cujos filmes receberam nota 1 do Alvo.
2.  **Cálculo do Gênero Favorito**: Use um `Map<String, Integer>` para contar ocorrências de gêneros nas avaliações do Alvo. Ao buscar o máximo, lembre-se da regra de desempate alfabético Z-A.
3.  **Interseção de Vizinhos**: No modo `RESTRITO`, a operação `Set.retainAll()` entre os IDs de filmes avaliados pelo Alvo e pelo potencial vizinho é a forma mais eficiente de encontrar a interseção.
4.  **Agregação de Candidatos**: Use um `Map<Integer, List<Integer>>` (filmeId -> lista de notas dos vizinhos) para acumular as notas dos filmes candidatos antes de calcular a média final.

### Complexidade
-   **Tempo**: `O(U * F)` no pior caso para encontrar vizinhos, onde **U** é o número de usuários e **F** o número de filmes. A ordenação final dos candidatos é `O(C log C)`, onde **C** é o número de candidatos. No geral, aceitável para **N=10^5** avaliações com estruturas de hashing.
-   **Espaço**: `O(F + A)` para armazenar o catálogo e as avaliações.

## Referências
-   **Origem**: Problema original da trilha CLP (Linguagem de Programação) do **Mundo do Código**.
-   **Tópicos Relacionados**: Filtragem Colaborativa, Operações de Conjuntos, Mapas de Frequência.

Actions

Workflow do Problema

Local Workspace

Pasta criada no disco
Metadados

Informações básicas preenchidas
Validação

Soluções passam nos testes
4

Sincronização

Enviado para DB e GitLab

Components

Statements ✅
Solutions 1 ✅
Test Cases 4 ✅

Database Info

DB ID 3003

Name Streamio: O Motor de Buscas

Time Limit 1.0s

Mem Limit 138 MB

Test Cases 0

🚀 Quick Prompts

Structure Scaffolding

Generate metadata & folder structure

ID: 1.1

Context & Description

Draft description & editorial

ID: 1.2

Statements List

ID	Level	Natural Languages	Skills	Status	Action
a-recomendacao-fase3	A	a b c d	comercio, daily-life	⚠️

Statement Details

Select a statement above to view details.

Actions

Statistics

1 Total Statements

By Type (ID)

a-recomendacao-fase3 1

By Level

Level A 1

🚀 Quick Prompts

Statement Analysis

Analyze ambiguity & clarity

ID: 2.1

WOK Statement Generation

Rewrite in WOK Universe theme

ID: 2.2

Statement Expansion

Expand to 4 difficulty levels

ID: 2.3

Testcase Scenarios Sync

YAML Source vs Database

Slug	Level	Name	Type	Skills	Status	Actions
`a-performance-stress`	A	Estresse Colaborativo e Volume Valida a performance com grande volume de...	TDD	complexity-analysis 1pts	Not in DB	Details
`b-specialty-tie-break`	B	Especialidade e Desempate Z-A Testa o gênero favorito com empates em volume...	TDD	hashing 1pts	Not in DB	Details
`b-multimodal-rules`	B	Regras Multimodais (Restrito/Tolerante) Valida a aplicação correta dos filtros...	TDD	basic-logic 1pts	Not in DB	Details
`c-exclusion-logic`	C	Regra de Ódio e Exclusão Verifica se filmes de diretores banidos são...	TDD	basic-logic 1pts	Not in DB	Details
`d-sample`	D	Exemplo do Enunciado Valida a saída básica conforme o exemplo do documento.	TDD	basico 1pts	Not in DB	Details

Local Test Cases (Disk)

Scenario: a-performance-stress 1 cases

Name	Files (Input / Output)	Status	Actions
01 📄 📷	Input `01.in` d62926c79ce18699df0486f24d55f155 Output `01.out` b65bab103cb8f765f2b6e712629cf870		🔍 Details

Scenario: b-specialty-tie-break 1 cases

Name	Files (Input / Output)	Status	Actions
01 📄 📷	Input `01.in` 8571d088d2b06ea37d7c31e8c8afc8f1 Output `01.out` 116d9b2958f0a3a4f0debb77c797d72d		🔍 Details

Scenario: c-exclusion-logic 1 cases

Name	Files (Input / Output)	Status	Actions
01 📄 📷	Input `01.in` dd50799b46b31e570613c549a6d03898 Output `01.out` 86e1b66f3366a2a8f41bbbe20cc6d8e5		🔍 Details

Scenario: d-sample 1 cases

Name	Files (Input / Output)	Status	Actions
01 📄 📷	Input `01.in` 85e77dacf948307e08e423bd5d0ef1e3 Output `01.out` d2b4ff36fd0389c7c094d0a5935fd5c9		🔍 Details

📊 Sync Statistics

Total (Disk) 4

Total (Database) 0

✓ Synchronized 0

⚠ Desynchronized 4

Duplicates (MD5)

Duplicates in (MD5) 0

Desync = (DB missing on Disk) + (Disk missing on DB)

Actions

📄 Enunciados

A 1

Idiomas: en, pt

💡 Soluções

java: 1

✅ 0 ❌ 0

🧪 Casos de Teste

5 Scen.

Total no Disco 4

Total no Banco 0

Sincronização 0.0%

Metadata (form)

Version

Name

Slug

ID Beecrowd

Difficulty

Time Complexity

Space Complexity

Time Limit (s)

Memory Limit (MB)

Origin

Author (Problem)

Author (Editorial)

Default Statement

Topics

Skills

Description

Editorial

Success message

metadata.yaml

# yaml-language-server: $schema=https://api.mundodocodigo.com.br/api/public/json/wok-problem.json --- version: 0.3-TEST id: 3003 name: 'Streamio: A Inteligência Colaborativa' origin: wok slug: recomendacao-fase3 authorSlugEditorial: alessio authorSlugProblem: alessio description: "Implementação de um motor de recomendação colaborativo multimodais (Restrito, Tolerante, Especialidade). Restrições: F, A <= 10^5; Q <= 100." editorial: "A solução envolve o mapeamento de usuários e filmes, cálculo de similaridade dinâmica baseada em interseção de conjuntos e filtragem multicritério com ordenação prioritária." successmsg: "Parabéns! Você alcançou o nível sênior em sistemas de recomendação!" difficultyLevelId: A timeComplexity: O(N²) spaceComplexity: O(N) timeLimitSegs: 2 memoryLimitMb: 256 defaultStatement: b_pt_recomendacao-fase3 skills: - hashing - basic-logic - strings - conditionals - lists - io statements: - id: a-recomendacao-fase3 testScenarioLevel: A default: true thematicSkills: - points: 1 skill: comercio - points: 1 skill: daily-life testScenarios: - id: a-performance-stress name: Estresse Colaborativo e Volume description: Valida a performance com grande volume de entradas e consultas pesadas de similaridade. helpTip: Otimize a interseção de conjuntos e evite loops aninhados desnecessários. level: A testType: TDD skills: - points: 1 skill: complexity-analysis - id: b-multimodal-rules name: Regras Multimodais (Restrito/Tolerante) description: Valida a aplicação correta dos filtros RESTRITO e TOLERANTE. helpTip: Verifique os critérios de vizinhança e nota mínima para cada modo. level: B testType: TDD skills: - points: 1 skill: basic-logic - id: b-specialty-tie-break name: Especialidade e Desempate Z-A description: Testa o gênero favorito com empates em volume e ordem alfabética reversa. helpTip: No desempate de gênero favorito, utilize a ordem alfabética de Z para A. level: B testType: TDD skills: - points: 1 skill: hashing - id: c-exclusion-logic name: Regra de Ódio e Exclusão description: Verifica se filmes de diretores banidos são removidos corretamente. helpTip: A regra de exclusão por diretor é mandatória e sobrepõe qualquer recomendação. level: C testType: TDD skills: - points: 1 skill: basic-logic - id: d-sample name: Exemplo do Enunciado description: Valida a saída básica conforme o exemplo do documento. helpTip: Verifique o formato do cabeçalho e os marcadores de lista. level: D testType: TDD skills: - points: 1 skill: basico solutions: - id: a-optimal name: Implementação Principal (Java) description: Solução utilizando Mapas e Conjuntos otimizados. level: A implementations: - language: java filenames: - Solution.java

3003-recomendacao-fase3

README.md Preview

Actions

Workflow do Problema

Local Workspace

Metadados

Validação

Sincronização

Components

Database Info

🚀 Quick Prompts

Statements List

Statement Details

Actions

Statistics

By Type (ID)

By Level

🚀 Quick Prompts

📊 Sync Statistics

Actions

Test Case Details

Testcase Scenarios Sync

Local Test Cases (Disk)

Scenario: a-performance-stress 1 cases

Scenario: b-specialty-tie-break 1 cases

Scenario: c-exclusion-logic 1 cases

Scenario: d-sample 1 cases

📊 Sync Statistics

Actions

Implementação Principal (Java)

Implementations

✅ Verification

🚀 Quick Prompts

📄 Enunciados

💡 Soluções

🧪 Casos de Teste

Metadata (form)

Git Status

Git Workflow

Problem Analysis Report

✅ Synced with API

✅ Synced with Database

Actions

📋 Processo de Criação

Select a Prompt

📤 API Synchronization

📄 Recreating README.md...

💻 Git Action Output

Running Verification...

Ajuda

🚀 Processing Sync Action

🚀 Batch Auto-Link Process

⬇️ Repo Sync Output

📝 Update Manifest Output

Ajuda