脚本宝典收集整理的这篇文章主要介绍了个人项目，脚本宝典觉得挺不错的，现在分享给大家，也给大家做个参考。

个人项目

---

这个作业属于哪个课程	< 网工1934-软件工程 >
这个作业要求在哪里	作业要求
这个作业的目标	代码实现论文查重，性能分析，psp记录

本作业代码已上传个人gIThub

一、psp表格

PSP	PErsonal Software PRocess Stages	预估耗时（分钟	实际耗时（分钟）
Planning	计划	30	20
EstiMATE	估计这个任务需要多少时间	30	10
Development	开发	600	400
Analysis	需求分析(包括学习新技术)	600	1400
Design Spec	生成设计文档	30	5
Design review	设计复审	30	20
Coding Standard	代码规范 (为目前的开发制定合适的规范)	60	50
Design	具体设计	10	5
Coding	具体编码	120	120
Code Review	代码复审	20	5
test	测试（自我测试，修改代码，提交修改）	30	30
Reporting	报告	30	40
Test Repor	测试报告	20	10
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	5	5
total	总计	1530	2130

二、模块接口的设计与实现过程

主要模块

1. jieba：中文分词组件
2. gensim：计算文本相似度的程序包。
3. re：处理字符串的正则表达式re包

主要函数

1. get_str：获取指定路径的文件内容
2. str_filter：去除停用词，结巴分词
3. caculate：计算余弦相似度

设计与实现过程

str_filter函数

经查询得知，在计算文本相似度前，应先对文章进行分词，并且去除标点符号、常用词汇（停用词），这里用到强大的具有新词识别功能的jieba中文分词模块。

jieba.cut方法

  import jieba
    seg_list = jieba.cut("我来到北京清华大学", cut_all=False)
    print("Default Mode: " + "/ ".join(seg_list))
    #我/ 来到/ 北京/ 清华大学

    seg_list = jieba.cut("他来到了网易杭研大厦")
    print(", ".join(seg_list))
    #他, 来到, 了, 网易, 杭研, 大厦(此处，“杭研”并没有在词典中，但是也被算法识别出来了)

caculate函数

caculate函数无疑是重中之重，在str_filter分词后，该函数应该使用算法返回查重结果。经查询得知，余弦定理是常见的相似度衡量方法之一，类似的相似度算法还有欧几里得距离、皮尔逊相关系数等等

余弦相似度

余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。 余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性"。

性能分析

代码覆盖率

各接口、函数运行时间

代码测试

测试代码

第一个参数为原文路径，第二个为抄袭文路径，第三个为结果输出路径 main.py TestDemo/orig.txt TestDemo/orig_0.8_dis_15.txt Result/result.txt

测试结果

测试结果输出文档

异常处理

设计目标：文件不存在异常处理

代码示例

      if not os.path.exists(argv[1]):
            print("论文原文文件不存在！")
            exit()

异常示例

用户错误输入用例

python main.py 2TestDemo/orig.txt TestDemo/orig_0.8_dis_15.txt Result/result.txt

测试结果

脚本宝典总结

以上是脚本宝典为你收集整理的个人项目全部内容，希望文章能够帮你解决个人项目所遇到的问题。

如果觉得脚本宝典网站内容还不错，欢迎将脚本宝典推荐好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。