Temario Lección 120 de 148 · Inventa tus herramientas
Inventa tus herramientas

Un buscador de errores parecidos

Por qué importa La mitad de los errores registrados esta semana ya se habían registrado antes. Un buscador que muestra "estos tres informes viejos se parecen al tuyo" ahorra tiempo de clasificación y enlaza arreglos que ya se hicieron.

El gestor de errores tiene 8,000 informes cerrados. Cuando alguien escribe un informe nuevo, el formulario debería sugerir los tres viejos más parecidos, en directo, en un servidor pequeño con un presupuesto de pasos. La similitud es el solapamiento de palabras, que es fácil de explicar a quien lee las sugerencias.

La regla de puntuación

  • Palabras: pasa el texto a minúsculas y toma las secuencias de letras y dígitos (re.findall(r"[a-z0-9]+", text.lower())), como conjunto, sin las palabras vacías que da el código inicial.
  • Puntuación de un informe: las palabras compartidas divididas por el número de palabras de cualquiera de los dos (len(q & r) / len(q | r), el índice de Jaccard).
  • Devuelve los ids de los k mejores informes con puntuación por encima de 0, el mejor primero; los empates van al id más pequeño (los ids son cadenas: compáralos como cadenas).
idx = BugIndex([("BUG-1", "Checkout crash when the cart is empty"), ...])
idx.similar("crash in checkout with an empty cart")   # -> ["BUG-1", "BUG-3"]
Tu turno

Escribe una clase BugIndex(reports), donde reports es una lista de (id, text), con un método similar(text, k=3) que aplique la regla de puntuación. Usa las STOP_WORDS del código inicial. Presupuesto: construir el índice sobre 8,000 informes y responder 150 consultas puede llevar como mucho 1,000,000 pasos de tu propio código. La memoria no está limitada.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.