| 这个作业属于哪个课程 | 计科21级1 2班 |
|---|---|
| 这个作业要求在哪里 | 个人项目 |
| 这个作业的目标 | 熟悉个人项目开发流程 |
| 项目Github | 点击这里 |
PSP表
| PSP2.1 | Personal Software Process | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | 20 | 30 |
| · Estimate | · 估计这个任务需要多少时间 | 5 | 5 |
| Development | 开发 | 800 | 830 |
| · Analysis | · 需求分析 (包括学习新技术) | 210 | 180 |
| · Design Spec | · 生成设计文档 | 50 | 30 |
| · Design Review | · 设计复审 | 10 | 10 |
| · Coding Standard | · 代码规范 (为目前的开发制定合适的规范) | 20 | 20 |
| · Design | · 具体设计 | 30 | 20 |
| · Coding | · 具体编码 | 210 | 310 |
| · Code Review | · 代码复审 | 60 | 30 |
| · Test | · 测试（自我测试，修改代码，提交修改） | 90 | 120 |
| Reporting | 报告 | 60 | 60 |
| · Test Report | · 测试报告 | 20 | 20 |
| · 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 | 20 | 20 |
| · 合计 | 815 | 845 |
运行环境
Visual Studio 2022
计算模块接口的设计与实现过程
计算模块是 TextSimilarity 类的成员函数 TextSimilarity::get_cosine()
首先将会对两段文本进行分词，分词使用的库是 cppjieba，其次计算词频保存到成员变量t1_word_frequency_和t2_word_frequency_中
分词之后依据词频降序，筛选出词频最高的_maxWordNumber（默认20个）个词语乘以IDF逆文档频率构建词频向量，
在之后拿词频向量计算词语的独热码并最终用于余弦相似度计算
性能分析
由图可知算法主要瓶颈在jieba库（占用了80%）主要算法部分占用了20%不到