第一次个人编程作业
| 这个作业属于哪个课程 | 信安1912 |
|---|---|
| 这个作业要求在哪里 | |
| 这个作业的目标 |
1. Github 链接
2. 计算模块接口的设计与实现过程
2.1 实现思路
思路：
- 读文档：读入文档。
- 数据清洗：清除标点符号，正则表达式不太会，所以直接用字符简单粗暴，学会之后优化更改。
- 文本分词：jieba库分词。
- 词频计算：计算每个词的频率
- 余弦相似度计算：利用两个词频向量直接计算余弦值。
用到的库：
- jieba分词
- numpy规范矩阵以及余弦值计算
- time计算运行时间
2.2 余弦相似度计算原理：
【举一个例子，来说明余弦计算文本相似度】
举一个例子来说明，用上述理论计算文本的相似性。为了简单起见，先从句子着手。
句子A：这只皮靴号码大了。那只号码合适
句子B：这只皮靴号码不小，那只更合适
怎样计算上面两句话的相似程度？
基本思路是：如果这两句话的用词越相似，它们的内容就应该越相似。因此，可以从词频入手，计算它们的相似程度。
第一步，分词。
句子A：这只/皮靴/号码/大了。那只/号码/合适。
句子B：这只/皮靴/号码/不/小，那只/更/合适。
第二步，列出所有的词。
这只，皮靴，号码，大了。那只，合适，不，小，很
第三步，计算词频。
句子A：这只1，皮靴1，号码2，大了1。那只1，合适1，不0，小0，更0
句子B：这只1，皮靴1，号码1，大了0。那只1，合适1，不1，小1，更1
第四步，写出词频向量。
句子A：(1，1，2，1，1，1，0，0，0)
句子B：(1，1，1，0，1，1，1，1，1)
到这里，问题就变成了如何计算这两个向量的相似程度。我们可以把它们想象成空间中的两条线段，都是从原点（[0, 0, ...]）出发，指向不同的方向。两条线段之间形成一个夹角，如果夹角为0度，意味着方向相同、线段重合,这是表示两个向量代表的文本完全相等；如果夹角为90度，意味着形成直角，方向完全不相似；如果夹角为180度，意味着方向正好相反。因此，我们可以通过夹角的大小，来判断向量的相似程度。夹角越小，就代表越相似。
3. 部分模块
4. 相似度结果
5.PSP表格
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时 |
|---|---|---|---|
| Planning | 计划 | 20 | 30 |
| - Estimate | - 估计这个任务需要多少时间 | 20 | 30 |
| Development | 开发 | 1375 | 2350 |
| - Analysis | 需求分析（包括学习新技术） | 30 | 200 |
| - Design Spec | 生成设计文档 | 5 | 15 |
| - Design Review | 设计复审 | 5 | 10 |
| - Coding Standard | 代码规范（为目前的开发制定合适的规范） | 15 | 5 |
| - Design | 具体设计 | 300 | 300 |
| - Coding | 具体编码 | 600 | 1200 |
| - Code Review | 代码复审 | 300 | 500 |
| - Test | 测试 | 120 | 120 |
| Reporting | 报告 | 110 | 165 |
| - Test Repor | 测试报告 | 30 | 60 |
| - Size Measurement | 计算工作量 | 20 | 10 |
| - Postmortem & Process Improvement Plan | 事后总结，并提出过程改进计划 | 60 | 95 |
| 合计 | 1505 | 2545 |
6.Summary
- 还有很多没来的及做
（做了 没解决） - 说明还有很多进步空间
（精神胜利法） - 几天只睡了几个钟 脑子已经不能思考了
（找借口 没有） - 很久没敲代码了
（不配）很多不会的都是直接在菜鸟教程现学现卖（哪里卖了） - python重温了
（就没学完过） - 实践进步很快 我很喜欢 下次继续
（进步啥了） - 中秋快乐！！！
（手下留情）
