第一次个人编程作业

GitHub链接：https://github.com/031804126/031804126
PSP记录表格：

经过查找资料，我发现实现文本相似度的计算大家比较常用并且难度不是很大的有TF-IDF与余弦相似性的应用、引用jieba库使用余弦相似度，还有难度稍微大一点的jaccard相似度，编辑距离，MinHash，SimHash+海明距离（对于我来说），所以这里选用了使用jieba库以及余弦相似度进行计算。原理如下：

用到的主要函数：①extract_keyword():用来获取关键词。
②one_hot（）。
③：cosine_similarity():计算余弦相似度。``
计算模块部分的性能改进
附上性能分析图：

单元测试部分：
函数部分与主函数相同
if __name__ == '__main__':
x=input()
y=input()
z=input()
fx=open(x,'r',encoding='utf-8')
fy=open(y,'r',encoding='utf-8')
content_x = fx.read()
content_y = fy.read()
similarity = CosineSimilarity(content_x, content_y)
similarity = similarity.main()
g = open(r"C:\Users\123\AppData\Local\Programs\Python\Python37\result.txt",'w+')
file_handle=open('result.txt',mode='w')
file_handle.write('相似度: {:.2f}' .format(similarity))
file_handle.close()
fx.close()
fy.close()
print('相似度: {:.2f}' .format(similarity))
测试结果：



以上是在Windows中Python环境下测试的，读取方法比较low，在pycharm中进行性能测试的时候，进行了以下改进：
文件读取方式改为：fx=open(sys.argv[1],'r',encoding='utf-8')，fy=open(sys.argv[2],'r',encoding='utf-8')，目标文件改为：output = open(sys.argv[3],'w',encoding='utf-8')
覆盖率：

异常处理
（1）文件为空


（2）文件不存在

总结：
没想到第一次实际编程就来了这么大的工程，刚开始属实有点吃不消，到处找资料，不过在实践中也丰富了自己，看来以后要多利用闲暇时间学习，才能面对接下来的挑战。