软件工程第二次作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience/homework/13477
这个作业的目标	用软件工程的方法实现论文查重功能的实现

GitHub链接：

一、PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划
· Estimate	· 估计这个任务需要多少时间	180	230
Development	开发
· Analysis	· 需求分析（包括学习新技术）	50	40
· Design Spec	· 生成设计文档	20	15
· Design Review	· 设计复审	10	15
· 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	15	20
· Coding	· 具体编码	45	50
· Code Review	· 代码复审	10	10
· Test	· 测试（自我测试，修改代码，提交修改）	15	20
Reporting	报告
· Test Report	· 测试报告	20	20
· Size Measurement	· 计算工作量	15	15
· Postmortem & Process Improvement Plan	· 事后总结，并提出过程改进计划	15	15
	合计	225	230

二、模块接口的设计与实现过程

1、代码组织

2、关键函数流程图
get_word_from_article流程图：

compute_sim流程图：

3、算法关键之处

利用jieba库提取文本的关键词，利用compute_sim函数通过交并运算实现不同文本之间关键词相似度的比较，实现不同文本之间的查重对比。

三、计算模块接口部分的性能改进

1、性能改进时间记录

改进阶段	花费时间	主要工作内容
初始版本	50min	基础功能实现，关键词提取+杰卡德相似度
第一次优化	20min	文件读取优化，批量处理支持
第二次优化	20min	算法复杂度优化，内存管理
总计	90min	持续的性能优化工作

2、代码调用统计信息：

3、耗时最长的函数
get_word_from_article函数

四、计算模块部分单元测试展示

1、测试函数
compute_sim(word_list1, word_list2)
功能：计算两个关键词列表的杰卡德相似度
算法：相似度 = 交集大小 / 并集大小
输入：两个字符串列表
输出：0.0到1.0之间的浮点数
边界情况：处理空列表，避免除零错误

get_word_from_article(fname)
功能：从文件中提取关键词
流程：读取文件 → 文本清洗 → jieba分词 → 提取关键词
特性：使用LRU缓存避免重复处理相同文件
输入：文件路径字符串
输出：关键词列表（最多50个）

2、构造测试数据思路
输入已知结果的文本测试程序是否能输出期望值，输入极端值观察程序能否正确处理等。

3、测试覆盖率截图
使用pytest工具结果如下：

四、计算模块异常处理说明

1、基本测试，验证核心功能
# 基本测试 (['论文', '查重', '系统'], ['论文', '查重', '系统'], 1.0, "完全相同"), (['论文', '查重', '系统'], ['音乐', '艺术', '绘画'], 0.0, "完全不同"),
2、边界条件测试，防止极端情况错误
# 边界测试 ([], ['论文'], 0.0, "空列表1"), (['论文'], [], 0.0, "空列表2"), ([], [], 0.0, "都为空"),
3、重复数据测试，验证去重功能
# 重复词汇测试 (['论文', '论文', '查重'], ['论文', '查重', '查重'], 1.0, "重复词汇去重"),