第一次个人作业

个人第一次编程作业

这个作业属于哪个课程	班级链接
这个作业要求在哪里	作业链接
这个作业的目标1	论文查重算法设计
这个作业的目标2	学习PSP表格
这个作业的目标3	单元测试
这个作业的目标4	Profile性能分析
这个作业的目标5	Git管理

代码链接(Python)

写在前面的话：本次作业使用Python完成。
Github链接
可运行的exe文件已发布至仓库的release包内

PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	30	45
· Estimate	· 估计这个任务需要多少时间	30	45
Development	开发	180	345
· Analysis	· 需求分析 (包括学习新技术)	20	20
· Design Spec	· 生成设计文档	15	30
· Design Review	· 设计复审	15	15
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	5	10
· Design	· 具体设计	20	50
· Coding	· 具体编码	60	150
· Code Review	· 代码复审	15	20
· Test	· 测试（自我测试，修改代码，提交修改）	30	45
Reporting	报告	75	85
· Test Repor	· 测试报告	15	20
· Size Measurement	· 计算工作量	10	15
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	50	50
	· 合计	570	945

计算模块接口的设计与实现过程

整体流程

建立了一个Text类和两个函数（get_word_vector和cos_dist）
创建Text实例，调用Text类中的get_word_list函数分割字符串（这里程序可以选择两种分割字符串的方法，一种是调用re包逐字分割，另一种是使用jieba包逐词分割），并返回列表
使用get_word_vector函数将字符列表转换为向量
使用余弦相似度函数（cos_dist）计算两个字符列表的余弦相似度

工程截图

一共有三个文件，main.py文件，test.py文件和text.py文件

1、整体流程

2、函数方法

main函数：主函数
get_word_list函数：将字符串转换为字符列表
get_word_vector 函数：将字符列表转换为向量
cos_dist函数：计算余弦相似度（核心算法）

3、核心算法

余弦相似度：

性能分析

这里使用专业版pycharm内置的profile进行性能分析

容易看出，获取字符列表向量的操作占了程序大部分的时间（输入输出的时间除外）

原因是get_word_vector中获取向量需要使用双重for循环：

def get_word_vector(word_list1, word_list2):
    key_word = list(set(word_list1 + word_list2))
    # 给定形状和类型的用0填充的矩阵存储向量
    word_vector1 = np.zeros(len(key_word))
    word_vector2 = np.zeros(len(key_word))
    # 计算词频
    # 依次确定向量的每个位置的值
    for i in range(len(key_word)):
        # 遍历key_word中每个词在句子中的出现次数
        for j in range(len(word_list1)):
            if key_word[i] == word_list1[j]:
                word_vector1[i] += 1
        for k in range(len(word_list2)):
            if key_word[i] == word_list2[k]:
                word_vector2[i] += 1
    return word_vector1, word_vector2