第一次个人编程作业

代码已上传到本人GitCode

• PSP表格
• 接口设计与实现过程
  • 所用接口
    • re.match函数
    • jieba.cut
    • gensim(#gensim.similarities.Similarity)
  • 实现过程
• 性能改进
• 单元测试
  • 测试覆盖率
• 异常处理说明

PSP表格

PSP2.0	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	150	180
· Estimate	· 估计这个任务需要多少时间	150	180
Development	开发	300	450
· Analysis	· 需求分析 (包括学习新技术)	480	600
· Design Spec	· 生成设计文档	60	90
· Design Review	· 设计复审	60	45
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	30	20
· Design	· 具体设计	30	45
· Coding	· 具体编码	120	180
· Code Review	· 代码复审	30	10
· Test	· 测试（自我测试，修改代码，提交修改）	30	60
Reporting	报告	30	45
· Test Report	· 测试报告	30	60
· Size Measurement	· 计算工作量	5	5
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	30	45
	· 合计	1535	2510

接口设计与实现过程

---

所用接口

re.match函数

• 作用：从字符串的起始位置匹配一个模式，匹配成功re.match方法返回一个匹配的对象，否则返回None。
• 代码示例：
• 运行结果：

jieba.cut

• 作用：做中文分词，可以进行简单分词、并行分词、命令行分词。
• 代码示例：
• 运行结果：

gensim

• gensim.dictionary.doc2bow

• 作用： 用以将每个句子样本表示成向量实现bow模型。bow模型忽略掉文本的语法和语序等要素，将所有单词取集合，并对每个单词分配一个ID号。
• 代码示例：
• 运行结果：

• gensim.similarities.Similarity

• 作用：用来计算余弦相似度从而比较文本是否相近。
• 代码示例：

实现过程

性能改进

• 注：新版pycharm社区版并不自带代码性能分析功能，分析结果由snakeviz可视化得到
• 模块性能上所花费的时间如下：
  
• 分析：编辑的代码模块中占用运行时间最长的是jieba_use模块，其中lcut所占用时间又是最长，因此考虑试试先用正则表达式匹配删除后再用lcut处理，jieba_use模块修改如下：
  
• 改进后运行时间结果如下：
  
• 改进后分析：结果与改进前无大致差异，性能或已是最优

单元测试

测试覆盖率

• 为便于进行单元测试，程序主代码修改为如下：
  
• 创建unit_test
  
• 代码测试覆盖率为100%
  

异常处理说明