第一次个人编程作业

一、github链接

[https://github.com/berylZ1008/031802140]

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	30
· Estimate	· 估计这个任务需要多少时间	30
Development	开发	120
· Analysis	· 需求分析 (包括学习新技术)	1000
· Design Spec	· 生成设计文档	30
· Design Review	· 设计复审	40
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	60
· Design	· 具体设计	240
· Coding	· 具体编码	360
· Code Review	· 代码复审	60
· Test	· 测试（自我测试，修改代码，提交修改）	120
Reporting	报告	40
· Test Repor	· 测试报告	30
· Size Measurement	· 计算工作量	10
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	60
	· 合计	2230

三、计算模块接口的设计与实现过程

1.整体流程图

2.主要函数及算法介绍

（1）jieba分词

这里主要用了github上其他作者上传的jieba词库

（2）重复词删除

首先，对字符串进行排序，使相同字符串位置相邻，运用sort函数，如sort(vectora.begin,a.end())
然后，运用vector容器中的unique函数，将重复词全部放到vector容器末尾，并返回当前重复词第一个位置，如position=unique(a.begin(),a.end())
最后，运用vector容器中的erase函数，将重复词全部删除，如erase(unique(a.begin(),a.end()),a.end())

（3）Jaccard相似系数计算

两个集合A和B交集元素的个数在A、B并集中所占的比例，称为这两个集合的杰卡德系数，用符号 J(A,B) 表示。杰卡德相似系数是衡量两个集合相似度的一种指标（余弦距离也可以用来衡量两个集合的相似度）。杰卡德系数越大，相似度越高。

函数实现：

四、计算模块部分单元测试展示

1.测试代码

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <iomanip>
#include <cstring>
#include<string>
#include<cmath>
#include<map>
#include<vector>
#include<queue>
#include<set>
using namespace std;
int main(int argc, const char * argv[]) {
string files[]={
"orig_0.8_add.txt",
"orig_0.8_del.txt",
"orig_0.8_dis_1.txt",
"orig_0.8_dis_3.txt",
"orig_0.8_dis_7.txt",
"orig_0.8_dis_10.txt",
"orig_0.8_dis_15.txt",
"orig_0.8_mix.txt",
"orig_0.8_rep.txt"
};
string path;
string path1="main.exe sim_0.8/orig.txt sim_0.8/";
string path2=" result.txt";
for(int i=0;i<9;i++){
cout<<"文件orig.txt与文件" <<files[i]<< "的相似度："<<endl;
path=path1+files[i]+path2;
system(path.c_str());
cout<<endl;
}
return 0;
}

2.样本测试

五、计算模块部分异常处理说明

异常情况：输出相似度和正确值相差很多
改进：加入重复词组去除步骤，即可解决

六、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	50
· Estimate	· 估计这个任务需要多少时间	30	30
Development	开发	120	200
· Analysis	· 需求分析 (包括学习新技术)	1000	1500
· Design Spec	· 生成设计文档	30	60
· Design Review	· 设计复审	40	50
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	60	60
· Design	· 具体设计	240	250
· Coding	· 具体编码	360	300
· Code Review	· 代码复审	60	60
· Test	· 测试（自我测试，修改代码，提交修改）	120	200
Reporting	报告	40	40
· Test Repor	· 测试报告	30	30
· Size Measurement	· 计算工作量	10	10
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	60	90
	· 合计	2230	2930

七、总结

这一次作业主要学习到了：jieba词库的分词使用、vector容器中的一些函数的使用、jaccard相似度系数的想法，这一次作业对我来说还是很有难度的，遇到了很多大大小小的问题，以此也能看出来我需要学习的内容，还有很多。并且，虽然这次代码长度也不算很长，但是相比用Python的同学，感觉还是麻烦不少，因此，之后可能需要学习Python的语言方法。