第一次个人编程作业

| 这个作业属于哪个课程 | https://edu.cnblogs.com/campus/gdgy/Networkengineering1834 |
| ---- | ---- | ---- |
| 这个作业要求在哪里 | https://edu.cnblogs.com/campus/gdgy/Networkengineering1834/homework/11146 |
| 这个作业的目标 | 实现简单的中文文本查重、熟悉使用GitHub、练习使用性能工具 |

GitHub地址

https://github.com/Aquamarine99/3118005332/tree/master

psp表格（估计时间）

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	20
· Estimate	估计这个任务需要多少时间	40
Development	开发	400
· Analysis	需求分析 (包括学习新技术)	120
· Design Spec	生成设计文档	30
· Design Review	设计复审	30
· Coding Standard	代码规范 (为目前的开发制定合适的规范)	10
· Design	具体设计	60
· Coding	具体编码	120
· Code Review	代码复审	30
· Test	测试（自我测试，修改代码，提交修改）	60
Reporting	报告	180
·Test Report	测试报告	90
·Size Measurement	计算工作量	10
·Postmortem & Process Improvement Plan	事后总结, 并提出过程改进计划	10
Total	合计	1210

分析题目可知需求即是分析文本相似度，查阅网上资料发现了主流方法是jieba分词后利用gensim代入余弦相似度算法，但是源于时间紧迫和设备问题无法安装上gensim库，所以采用了次之的方法：jieba分词+jaccard算法计算相似度，参考文章（https://blog.csdn.net/lm324114/article/details/103831311）

计算模块接口的设计与实现过程

思路流程图

读入文本

装入文本后，re.compile剔除标点符号,jieba分词,再转化成TF矩阵

jaccard算法计算相似系数，数值越趋于1说明越相似

输入答案文件地址，默认编码为UTF-8，写入函数中调用jaccard计算模块

计算模块接口部分的性能改进

利用cProfile测得的时间

计算模块部分异常处理说明

若输入文件中有空文本则会导致答案文件数据为0.0

psp表格（实际使用时间）

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	20	30
· Estimate	估计这个任务需要多少时间	40	30
Development	开发	400	350
· Analysis	需求分析 (包括学习新技术)	120	180
· Design Spec	生成设计文档	30	50
· Design Review	设计复审	30	30
· Coding Standard	代码规范 (为目前的开发制定合适的规范)	10	10
· Design	具体设计	60	60
· Coding	具体编码	120	180
· Code Review	代码复审	30	80
· Test	测试（自我测试，修改代码，提交修改）	60	50
Reporting	报告	180	200
·Test Report	测试报告	90	200
·Size Measurement	计算工作量	10	10
·Postmortem & Process Improvement Plan	事后总结, 并提出过程改进计划	10	20
Total	合计	1210	1480