سرفصل‌ها درس 120 از 148 · ابزارهایتان را اختراع کنید
ابزارهایتان را اختراع کنید

یک یابندهٔ اشکال مشابه

چرا مهم است نیمی از اشکال‌هایی که این هفته ثبت شدند پیش‌تر هم ثبت شده بودند. یابنده‌ای که نشان دهد «این سه گزارش قدیمی شبیه مال شما هستند» در وقت دسته‌بندی صرفه‌جویی می‌کند و درست‌کردن‌هایی را که از قبل انجام شده پیوند می‌دهد.

ردیاب اشکال 8,000 گزارش بسته‌شده دارد. وقتی کسی یک گزارش تازه تایپ می‌کند، فرم باید سه تا از شبیه‌ترین گزارش‌های قدیمی را پیشنهاد دهد، زنده، روی یک سرور کوچک با یک بودجهٔ گام. شباهت هم‌پوشانی واژه‌هاست، که برای کسانی که پیشنهادها را می‌خوانند آسان توضیح داده می‌شود.

قاعدهٔ امتیازدهی

  • واژه‌ها: متن را حروف کوچک کنید و رشته‌های حرف و رقم را بردارید (re.findall(r"[a-z0-9]+", text.lower()))، به‌صورت یک set، بدون stop wordهایی که در کد شروع داده شده.
  • امتیاز یک گزارش: واژه‌های مشترک تقسیم بر تعداد واژه‌هایی که در هر کدام هست (len(q & r) / len(q | r)، شاخص Jaccard).
  • شناسه‌های k گزارش برتر با امتیاز بالای 0 را، بهترین اول، برگردانید؛ در تساوی شناسهٔ کوچک‌تر برنده است (شناسه‌ها رشته‌اند: آن‌ها را به‌صورت رشته مقایسه کنید).
idx = BugIndex([("BUG-1", "Checkout crash when the cart is empty"), ...])
idx.similar("crash in checkout with an empty cart")   # -> ["BUG-1", "BUG-3"]
نوبت شما

یک کلاس BugIndex(reports) بنویسید، که reports فهرستی از (id, text) است، با یک متد similar(text, k=3) که قاعدهٔ امتیازدهی را اعمال می‌کند. از STOP_WORDS کد شروع استفاده کنید. بودجه: ساختن نمایه روی 8,000 گزارش و پاسخ به 150 پرس‌وجو می‌تواند حداکثر 1,000,000 گام از کد خود شما بگیرد. حافظه محدود نیست.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.