【deepseek用例生成平台-39】用例生成后去重功能实现

urls.py中新建这个链接映射：

然后打开：views.py2 文件，写好这个算法。

注意，我们在排查重复的时候，是优先删除后面用例的哦~

就比如说 等价类出现了用例1 ，判定表也出现了用例1， 算法会删除判定表中的用例1 ，保留等价类的用例1

这里会提示删除了什么在后台控制台中：

我们来做个测试，按照我写死的用例数量生成后，是固定的39条：

点击去重后：生下来33条：

控制台显示删除了这6条重复的：

前端界面也可以看到，有些设计方法去重后不足3条了：

这个算法暂时算是完成了。

但是我们现在的判断很明显，是根据字符串完全相等来进行删除的，接下来，我们要把余铉相似的算法融合进去，让相似度大于多少分的才会删除：

先在上面导入这三句：

from sklearn.feature_extraction.text import TfidfVectorizer import jieba from sklearn.metrics.pairwise import cosine_similarity

然后下面新建这个函数和修改红圈部分：注意，此时设置分数大于0.8

这里因为写死的用例都太过相似，所以我们改一下之前写死的生成代码：

现在开始测试一下，先点击生成：

看下生成的用例：39条

然后点击去重按钮：

可以看到只去除了1条：

然后看看控制台日志：

可以发现，只有一条，因为只差了一个字不同，被去除了。

那么我们现在降低系数，从0.8变成0.5 ，不用点击生成了，直接点去重！

结果如下：只剩15条了

观察日志发现，很多都被去重了：大于0.5分的都没了

所以，我们认识到一个现象。就是这个相似系数，是直接关系到用例数量的。

那我们作为开发平台的人，是很难把控好这个系数的，连亲自测试的业务测试们，也不可能第一次就把握的好，不同的业务线，不同产品也不一样。

所以我打算把系数作为前端动态调节的。

就像我们刚刚的这个过程，觉得去除的不满意，那么就再次减小系数。

但这里就有个问题，这个过程是不可逆的，一旦弄的太小了，剩的用例太少了，想再返回就不太可能了。毕竟删掉了就是删掉 了。

所以我们下一节的任务就是，做好前端动态调节系数的同时，做一个可逆转的操作。

欢迎继续追更哦~