课程大纲 第 120 课,共 148 课 · 发明你的工具
发明你的工具

一个相似缺陷查找器

为什么重要 这周提交的缺陷有一半以前就被提交过。一个能显示“这三份旧报告看起来和你的很像”的查找器,能节省分诊的时间,并把已经做过的修复关联起来。

缺陷跟踪系统里有 8,000 份已关闭的报告。当有人输入一份新报告时,表单应该实时地推荐三份最相似的旧报告,运行在一台有步数预算的小服务器上。相似度用的是词语重叠,这很容易向阅读推荐的人解释。

打分规则

  • 词:把文本转成小写,取出由字母和数字组成的串(re.findall(r"[a-z0-9]+", text.lower())),作为一个集合,去掉起始代码中给出的停用词。
  • 一份报告的分数:共有的词除以出现在任意一方中的词的数量(len(q & r) / len(q | r),也就是 Jaccard 指数)。
  • 返回分数高于 0 的 k 份最佳报告的 ID,最好的在前;打平时选 ID 较小的(ID 是字符串:按字符串比较它们)。
idx = BugIndex([("BUG-1", "Checkout crash when the cart is empty"), ...])
idx.similar("crash in checkout with an empty cart")   # -> ["BUG-1", "BUG-3"]
轮到你了

编写一个类 BugIndex(reports),其中 reports 是一个 (id, text) 列表,并带有一个应用这条打分规则的方法 similar(text, k=3)。使用起始代码中的 STOP_WORDS。预算:在 8,000 份报告上构建索引并回答 150 次查询,最多只能花费你自己代码的 1,000,000 步。内存不受限制。

发现这节课有问题?报告它 · 就这节课提问

这个练习即将开放

完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。