第一次个人编程作业

一、作业链接

【Github作业链接】（ https://github.com/suuuhope/031802425 ）

二、PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	60	60
Estimate	估计这个任务需要多少时间	1440	1210
Development	开发	300	160
Analysis	需求分析（包括学习新技术）	300	420
Design Spec	生成设计文档	30	10
Design Review	设计复审	20	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	80	30
Coding	具体编码	120	150
Code Review	代码复审	30	10
Test	测试（自我测试，修改代码，提交修改）	100	100
Reporting	报告	180	180
Test Repor	测试报告	60	40
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	30	20
合计		1440	1210

三、计算模块接口的设计与实现过程

算法流程图：

余弦相似度 (Cosine Similarity)

通过计算两个向量的夹角余弦值来评估他们的相似度。将向量根据坐标值，绘制到向量空间中，求得他们的夹角，并得出夹角对应的余弦值，此余弦值就可以用来表征这两个向量的相似性。夹角越小，余弦值越接近于1，它们的方向越吻合，则越相似。

余弦相似度算法
def CosSimilarity(UL,p1,p2):
si = GetSameItem(UL,p1,p2)
n = len(si)
if n == 0:
return 0
s = sum([UL[p1][item]*UL[p2][item] for item in si])
den1 = math.sqrt(sum([pow(UL[p1][item],2) for item in si]))
den2 = math.sqrt(sum([pow(UL[p2][itme],2) for item in si]))
return s/(den1*den2)

Python库：
jieba库：通过分词获得单个的词语，利用一个中文词库，确定汉字之间的关联概率，汉字间概率大的组成词组，形成分词结果。
sklearn：利用sklearn.metrics.pairwise中的cosine_similarity可直接进行余弦相似度计算。

四、计算模块接口性能：

来自pycharm自带的profile的性能测试（cc.py就是main.py，测试忘了改了）：

五、单元测试

六、总结：

一个字——懵。看作业的时候是这样的

看作业要求就看了不短时间，然后直接面向百度编程，一顿查查完之后发现基本全是用Python在实现。于是直接打出GG没学过Python的弊端就显现出来了。贼心不死的我还是在网上找了各种用c++实现查重的方案，结果。。。。。。还是向Python屈服了。用了一些时间看完Python的基本语法，再回头看网上的代码，感觉瞬间好起来了呢，才怪，还是很难懂，但东问问西瞧瞧还是有点看明白了。这次作业再次告诉我，俺是fw要好好学习编程语言，多多实践，不然下次还是像这样啥都8懂。