2018软工实践——团队答辩

引子

无雨哪能见晴之可爱,没有夜也将看不出昼之光明 --郁达夫

本次做业

“NABCDM”分析——更完备的竞争性需求分析

• 或许你会对本次分析的标题感到些许疑惑，但在抱怨以前咱们能够先来看看下述的两段话...
  • 咱们的产品——吃喝玩乐遍福州计划以福大周边各城市广场为基点，给广大现居福州亦或是来福州游玩的用户提供一个主要针对餐饮娱乐的第三方评论模式的信息分享平台。他们须要<Need>——实时、客观的信息分享平台以更加轻松且有效的方式获取更多商铺信息，可是现有的产品并无很好地解决这些需求。咱们有独特的办法<Approach>——结合“目标检测”与“文字识别”而且集成了AR技术为一体的信息检索平台，同时兼具智能情感分析功能——透过各种评论进一步给用户提供更多信息这样来知足用户需求，它能给用户带来好处<Benefit>,远远超过竞争对手<Competitor>。同时，咱们有高效率的<Delivery>推广,能很快让目标用户知道咱们的产品，并进一步传播。
  • 咱们的产品——吃喝玩乐遍福州计划以福大周边各城市广场为基点，给广大现居福州亦或是来福州游玩的用户提供一个主要针对餐饮娱乐的第三方评论模式的信息分享平台。他们须要<Need>——实时、客观的信息分享平台以更加轻松且有效的方式获取更多商铺信息，可是现有的产品并无很好地解决这些需求。咱们有独特的办法<Approach>——结合“目标检测”与“文字识别”而且集成了AR技术为一体的信息检索平台，同时兼具智能情感分析功能——透过各种评论进一步给用户提供更多信息这样来知足用户需求，它能给用户带来好处<Benefit>,远远超过竞争对手<Competitor>。同时，咱们有高效率的<Delivery>推广,能很快让目标用户知道咱们的产品，并进一步传播。最后，咱们有完善的<Maintainence>维护与更新机制，系统化的软件迭代流程，随着客户需求的变动以及市场驱动的导向，咱们可以逐步改进和完善咱们的软件
• 在循序渐进地分析需求时，第二段话是否会更具说服力？
• 需求文档的确立中不须要考虑软件的维护问题吗? 仅仅依靠创新的作法、优秀的推广能够说服客户吗？
• 不妨来看看下述中咱们团队对于“NABCDM”的分析吧！

---

Need——需求

• 基本需求
  • 提供针对餐饮娱乐的信息分享功能
  • 实现经过AR技术结合天然场景下的文本识别获取商铺信息
  • 完成商铺评价的 “情感分析” ——经过多样化的评论提供给用户更多信息
• 附加需求
  • 结合GPS完成周边商铺的智能推荐
  • 数据可视化在商铺广场地图上的实现

---

Approach——作法

• 基本需求的作法
  • 创建数据库存储各种信息
  • 目标检测+文字识别+AR接口
  • 天然语言处理、情感挖掘
• 附加需求的作法
  • GPS接口的导入
  • 基于matplotlib+wordcloud完成数据可视化

---

Benifit——好处

• 用户可根据自身需求获取商铺相关信息，亦可轻松经过定位智能推荐商铺
• 在打字不方便的状况下，只需轻松打开手机一扫便可
• 结合了情感分析以屏蔽“水军”评论，使用户能以更客观的角度获取更丰富的信息
• 软件的扩展性易、泛化性强，可结合多种功能

---

Competitors——竞争

• 竞争中存在着先发优点与后发优点：
  • “先发优点”——先进入市场的产品会使得用户造成在先发软件上的习惯，同时须要额外考量迁移成本。
  • “后发优点”——后进入市场的产品能够在先进入市场的产品上作出改进，更好地知足用户需求。
• 假想竞争对手
  • ① 以其余一样参与团队做业的同窗为假想竞争对手，因为咱们的软件提供了维护的功能——M，我的认为一个维护有保障的软件产品在面对客户需求上彻底不输于其它看似功能性完备的产品。咱们的软件产品能够经过有效、规范的维护更新制度完成良好的产品输出，而且能持续性给用户带来更佳的体验。
  • ② 如果不巧，相较于一样于一样也为客户提供维护功能的团队，则进一步转入各自软件的功能上的竞争；根据咱们团队的调研状况，目前市面上没有一款以AR技术为接口结合深度学习分析商铺的APP，而假设咱们的假想对手作的是诸如市面上常见的诸如推荐、图像识别等功能，则在创新性方面不如咱们团队；而如果相较于一样具备创新型功能的团队的话，则主要差别度将会体如今上述提到的“先发优点”与“后发优点”上。更况且咱们有最强的技术团队。

---

Delivery——推广

咱们将推广思路分为三个阶段——初期、中期、上升期

• 推广的初期，咱们将在学校内宣传，经过海报、网络、自印宣传单等方式，迅速扩大市场范围。而且根据用户的反馈信息，对软件进行进一步的迭代更新。完善功能。接下来推广到大学城内其余几所高校，进行下一步的更新和迭代。
• 进入到中期，积累了必定的用户量和功能完善，咱们计划扩大与商家合做，而且借用原先的客户流量来完成进一步推广。
• 有了以上的基础，则进入软件的上升期，具备较大的用户量以后，用户群体也将产生必定的软件依赖性，因此咱们计划在客户分享的内容的结尾带上本软件产品的宣传标语， 达到扩大影响力的效果。
  ***

Maintainence——维护

• "NABCD" 是一个兼具泛化性与强健性的模型，在考量需求、推广的同时，也强调了竞争这一更立足现实的观点，可以彻底知足市场上绝大部分软件的需求分析要求。
• 但私觉得在完成 “NABCD” 这样一个竞争性需求分析框架的同时，咱们团队更须要一个差别化的焦点来吸引更多的用户；作出高质量的功能让用户口口相传当然是件极佳的事情，可是咱们终须考虑到软件的生命周期，作出一个不断给用户带来更佳体验的软件。
• 因此应用至本软件——“吃喝玩乐遍福州”，咱们会持续不断地提供数据库更新的支持，也会不断扩充、完备现有功能，如在提供商铺评论分析功能的基础上，提供推荐同类其余家商铺的选项，给客户提供一个不断“涌入新鲜血液”——不断更新迭代的平台。

---

团队贡献度评价准则

• 在每次做业发布时，线上或线下召开短会安排本次任务，根据每组分配到的任务量定下每组的贡献度百分比。各组的百分比的总合为 90% ，剩下 10% 做为奖励表现较好的组，若是各组都按时提交计划任务，则 10% 平均分配给各组。
• 组内的贡献度由各组的组长进行分配。
• 每一个人最终的贡献度都会根据提交状况和完成状况进行浮动。
• 扣贡献度的状况有：
  • DDL 以后才提交任务
  • 质量差
  • 在其余人的帮助才完成
  • ...
• 若有扣贡献度的状况，会把扣下的贡献度分配给按时提交计划任务的组。
• 任务完成的质量由各小组组长及组长林燊共同认定。

选题报告

点我看看

评审表

点我看看

答辩总结

本次问答环节，对于较优质问题及质量相对较差的提问均作颜色区分。

答第一组

1. 项目功能之一的评论筛选实现难度较高，即便有针对英语比较成熟的机器学习训练方法，在将语境转换到中文语境时识别成功率还能保持吗？毕竟中文语法与英语语法相比有更多不肯定性

• 答： 首先感谢“爸爸饿了队”组的提问，答辩后查阅了大量资料发现，
  该类中文标注集确实存在较少，针对英文也存在有相似的“facebook”相关的谣言检测标注集。不过应用于水军评论上则存在大量问题——如“水军”界定困难等。原先计划是经过二分类形式的贝叶斯分类器来完成训练的，通过组内讨论也验证了此方法过于简单且数据集存在差别性问题，咱们也所以删去了该功能。不过这里我也想简单提出一个彷佛可行的解决方案：经过网络上常见的“模板”结合相关“水军渠道”，以咱们团队自身角度来标注“水军”数据集，可是这个工做量实在偏大，所以不作考虑。咱们团队也欢迎这样有深度的问题！

1. 如何规避爬取如大众点评的用户评论时可能存在的法律风险？

• 答： 只要对应网站的robots协议容许或是咱们不用于商业用途就是合法的，因此本产品初期能够采起不盈利的模式，不断由用户提供基于真实体验后获得的商铺信息，待产品成熟后便可不依赖于“爬虫”，改成应用咱们产品自身数据库的信息，即可自此开始盈利。

1. 在演讲阶段没有清楚的阐明用户的使用场景，但愿能得到一个清晰的表述

• 答： 确实咱们在演讲阶段没有清楚阐明，仅在答辩阶段借着提问机会才简单阐明了咱们的使用场景——“假定咱们初来福州，想去周边的城市广场找家餐馆不单为知足饱腹之饥，更为有较好的用餐体验，一家装潢雅致的餐馆出如今你面前，与此打开手机一步步输入餐馆信息，不如轻轻一扫便可完成信息检索。"

答第二组

1. 关于删掉水军这点,感受是挺有难度的,请问打算怎么实现？

• 答： 首先感谢“拖鞋旅游队”的提问，咱们的原先计划是经过二分类形式的贝叶斯分类器来完成训练的，通过组内讨论也验证了此方法过于简单且数据集存在差别性问题，咱们也所以删去了该功能。不过这里我也想简单提出一个彷佛可行的解决方案：经过网络上常见的“模板”结合相关“水军渠道”，以咱们团队自身角度来标注“水军”数据集，可是这个工做量实在偏大，所以不作考虑。

1. 两个月后开始实现盈利的怎样得出来的，众多盈利方式中那点能够做为最主要的赢利点，要是两个月后没有实现盈利那又该怎么办？

• 答： 咱们根据简单的市场调研得出了上述的结论，咱们的广告位会做为咱们的主要盈利点，若两个月后未实现则会经过咱们提出的三段式维护迭代模块进一步维护咱们的产品。

1. 对于店铺的安全性和营业资质能够保证吗，若是能够的话，要如何保证？

• 答： 首先店铺的营业执照均有国家工商局颁发，咱们也会尽力确认。

答第三组

1. 对于算法的复杂度实现难度,大家有什么想改进的吗

• 答： 首先感谢“彳艮彳亍队”组的提问，咱们计划采用迁移学习的形式改进，具体化即为直推式迁移学习——经过分类器的正负样本完成迁移训练。

1. 这个项目需求,是否真正知足用户真实需求？有问卷多少比例的预使用率吗？

• 答： 咱们主要针对于刚入学的18级新生投放的问卷，约有94%的问卷调查群体对咱们提供的功能表示承认。

3. 对于相似于美团、大众点评这种须要多人次使用的app才可盈利,大家有什么推广的计划吗？

• 答： 推广计划均在博客及项目计划书中有体现，推广的初期，咱们将在学校内宣传，经过海报、网络、自印宣传单等方式，迅速扩大市场范围。而且根据用户的反馈信息，对软件进行进一步的迭代更新。完善功能。接下来推广到大学城内其余几所高校，进行下一步的更新和迭代。
  进入到中期，积累了必定的用户量和功能完善，咱们计划扩大与商家合做，而且借用原先的客户流量来完成进一步推广。
  有了以上的基础，则进入软件的上升期，具备较大的用户量以后，用户群体也将产生必定的软件依赖性，因此咱们计划在客户分享的内容的结尾带上本软件产品的宣传标语， 达到扩大影响力的效果。

答第四组

答第五组

1. 夜间手机拍照难以识别怎么办？

• 答： 首先感谢“起床一块儿肝活队”的提问，可是提问能否适当结合生活实际呢？一家营业间的商铺在夜晚确定是有开灯，考虑咱们的项目基础即为文字搜索功能，夜间拍照咱们也可经过调用手机附带的手电筒实现。

1. 关于水军，若是连人脑都难以判断是否为水军，算法能够作到吗？

• 答： 关于人脑与算法的差别性，或许该组对此有误区。相似的功能如谣言检测，设想一下，大部分人也很难区分谣言吧？相关具体可参见注意力模型的具体介绍，只是介于该模块仅是附加功能，因此在本模块上的时间分配不会过多，关于技术方面问题有兴趣能够后续私聊咱们团队讨论！

1. 对于缺乏简介与评论的商家应该如何解决？

• 答： 咱们主要针对的是城市广场上的商铺，而在大多数城市广场的运营商均有需求对应商铺提供相应简介以与各大点评网站对接。若缺乏评论咱们能够选择不展现！这种不展现评论状况也在大部分点评网站也均有出现。

答第六组

1. 请问如何辨别水军和用户？

• 答： 首先感谢“404 Note Found队”的提问，咱们的原先计划是经过二分类形式的贝叶斯分类器来完成训练的，通过组内讨论也验证了此方法过于简单且数据集存在差别性问题，咱们也所以删去了该功能。不过这里我也想简单提出一个彷佛可行的解决方案：经过网络上常见的“模板”结合相关“水军渠道”，以咱们团队自身角度来标注“水军”数据集，可是这个工做量实在偏大，所以不作考虑。

1. 如何让用户放弃其余产品而使用大家的产品？

• 答： 作好的本身的核心功能，加强竞争力。考虑的是作好本身，而不是逼用户作出选择，只要本身的产品够好，用户天然会投入咱们的怀抱。

3. 技术壁垒如何实现？

• 答： 既然谈到技术模块，咱们也就此展开讨论，同时也期待贵团队的回应。首先咱们依据咱们的目标检测算法展开，咱们经过构建金字塔特征神经网络FPN，并依此应用直推式迁移学习于COCO数据集中——每次测试将置信度较低的样本重复训练，训练过程也借鉴残差网络Desnet的思想，各网络层之间结合细粒度特征与粗粒度底层特征实现。若是感兴趣欢迎讨论！！！！而不是在答辩中要求咱们团队当场讲解最基础的技术原理，首先咱们确定贵团队有质疑咱们算法的权利，若是下次还有答辩机会的话，关于技术方面的问题能否事先对此模块有所了解呢？对于技术的模块的提问当然是一个极佳问题，咱们也很赞同，可是“杠精”式的提问真的对于你我团队有益吗？且提问中的“技术壁垒”是指全局的技术壁垒吗？能否进一步说明，咱们好作进一步解答，不过上述提供的技术模块也仅是咱们实现的技术中的“零星小点”，很遗憾因为技术实现多属本团队隐私模块没法深刻解答。但愿贵团队能否在下次提问前多加思考呢？对于隐私性问题能否相对避免呢？

答第七组

1. 对于夜晚环境暗，闪光灯补光无效，用户使用的不是P20，是否是核心功能就失效了？

• 答： 通常用户会选择营业中的店铺，黑灯瞎火的店铺应该是没办法营业的吧。

1. 若是采起了定位，使用搜索推荐附加商家的模式不会太花费时间，那么大家的核心功能真的有吸引力吗？

• 答： 核心功能是咱们本身定义的，咱们认为这是咱们能够吸引用户的点，那么您说有了一个更吸引的功能那么我认为这不是一个问题，而是一件好事。

1. 对于没有商店招牌的店铺怎么办？以及大家要怎么获取商店迭代更替的信息？

• 答： 咱们的用户场景主要针对的是城市广场，那么我认为城市广场内出现没有商店招牌的店铺是很好笑的。

答第八组

1. 对于项目的长海报功能，对于照片质量的保证和压缩能到什么程度

• 答： 首先感谢“小白吃”组的提问。没能理解您的意思，“项目的长海报”这个功能咱们并无提过，也没有相关表述，不知道是否是问题填错了位置呢？咱们从未提到过长海报功能！

1. 感受其实拍照功能是画蛇添足的大家说打字时可能光线太暗，可是拍照的时候要是晚上也识别不清怎么办？

• 答： 通常用户会选择营业中的店铺，黑灯瞎火的店铺应该是没办法营业的吧。

1. 感受大家对于算法主要是经过现成的目标检测算法，可是后面更为核心的却没有提到，对于大家之后可否真正推广有把握吗？

• 答： 首先咱们不只实现了目标检测算法，还实现了相对的文字识别算法，试问每一个团队是否均在实现算法彻底功能后再上台答辩呢？咱们的核心内容即为AR扫描+目标检测+文字识别。不过AR模块的话，google有提供开源的代码，咱们也可借此来改进。

答第九组

未提交问题

选题报告修改内容

• 根据上述提问，咱们均对选题报告进行了不一样程度的修改，大体分为如下三个模块：
  • 删除“水军”功能及其相关表述
  • 选题报告格式规范化
  • 修改团队准则

平均分

本次整合各组打分，去除最高分及最低分，所得分数为75.71

本次做业贡献度

队员	贡献度
林燊	13%
陈俞辛	16%
朱志豪	8%
蔡宇航	9%
陈柏涛	10%
董钧昊	16%
刘宏岩	12%
卢恺翔	8%
杨喜源	8%
总计	100%

说明：本次做业没有出现扣贡献度的状况。考虑到本次做业以文档为主，因此制做文档的同窗贡献度较高。