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(vector
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。