第一次个人编程作业

这个作业属于哪个课程	班级的链接
这个作业要求在哪里	作业要求的链接
这个作业的目标	设计一个论文查重法

**一、GitHub链接 **

二、PSP表格设计

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	315	600
·Estimate	·估计这个任务需要多少时间	315	1090
Development	开发	250	120
·Analysis	·需求分析 (包括学习新技术)	120	600
· Design Spec	· 生成设计文档	10	60
· Design Review	· 设计复审	10	10
· 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	30	20
· Coding	· 具体编码	30	120
· Code Review	· 代码复审	10	30
· Test	· 测试（自我测试，修改代码，提交修改）	30	120
Reporting	报告	65	50
· Test Repor	· 测试报告	30	10
· Size Measurement	· 计算工作量	5	10
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	30	30
	合计	315	1140

三、计算模块接口的设计与实现过程
对要求进行分析可知，程序应分为三个部分：事先准备工作，求文本相似度，保存工作。
1、事先准备工作：
由于采用命令行读取参数工作，因此需要引入argparse包，即

import argparse
parser = argparse.ArgumentParser()#为读取命令行参数作准备
parser.add_argument('add1', type=str, default = None)
parser.add_argument('add2', type=str, default=None)
parser.add_argument('add3', type=str, default=None)
args = parser.parse_args()

以上代码即为读取命令行中的三个文本做好准备。
文本绝对路径由命令行读取而来，通过绝对路径，采用read()读取对应文件，且以防出现乱码，需要强制encoding='utf-8'
2、求文本相似度：
该设计选取使用sklearn库来完成余弦相似度计算流程图如下：

代码如下：

    vectorizer = CountVectorizer()
    list = [p1, p2]#将两个文件拼接为列表
    vectors = vectorizer.fit_transform(list)#先拟合数据，然后转化它将其转化为标准形式，一步到位
    similarity = cosine_similarity(vectors)
    return similarity[0][1]

四、计算模块接口部分的性能改进
记录在改进计算模块性能上所花费的时间：









由上图可知，耗时最长函数为io.open，因为是库函数，没有改进方案。
五、计算模块部分单元测试展示
单元测试代码如下：

import sys
import argparse
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.metrics.pairwise import cosine_similarity
#采用余弦相似度算法计算文本相似度
def company(p1, p2):
    vectorizer = CountVectorizer()
    list = [p1, p2]#将两个文件拼接为列表
    vectors = vectorizer.fit_transform(list)#先拟合数据，然后转化它将其转化为标准形式，一步到位
    similarity = cosine_similarity(vectors)
    return similarity[0][1]

def readfile(address):
    f = open(address,'r',encoding='utf-8')   #设置文件对象
    p = f.read()
    f.close()
    return p

if __name__ == '__main__':    
    parser = argparse.ArgumentParser()#为读取命令行参数作准备
    parser.add_argument('add1', type=str, default = None)
    parser.add_argument('add2', type=str, default=None)
    parser.add_argument('add3', type=str, default=None)
    args = parser.parse_args()
    p1=readfile(args.add1)
    p2=readfile(args.add2)
    result = company(p1, p2)*100
    f=open(args.add3,'w',encoding='utf-8')
    f.write("两个文本相似度为： %.2f"%result)#采用百分制，保留两位小数
    f.close() 

测试的函数为main函数，readfile函数和company函数，对main函数，覆盖率为百分百。
六、计算模块部分异常处理说明
文件不存在：

发生场景为：命令行参数中，原文路径或者抄袭版文本路径错误。