4c15f11efa
Итоговый процент схожести (тот, что видит студент) и дедупликация совпадений жили внутри Celery-задачи check_plagiarism и не тестировались. Вынес в чистую функцию app.scoring.aggregate_results (без Celery/БД/сети) — правильная «высота» (доменная логика отдельно от оркестрации) и теперь покрыто тестами: - процент = доля УНИКАЛЬНЫХ помеченных позиций от всех фрагментов; - одна позиция с несколькими источниками считается один раз (не раздувает %); - точный дубль (source_title:pos) дедуплицируется; - деление на ноль фрагментов; кап на 100%; округление до 2 знаков; by_method. Поведение сохранено 1:1 (лог задачи переведён на result[...]). scoring.py добавлен в mypy-гейт. Тестов всего: 61 (indexer 19, gost 17, gpu 25). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
70 lines
2.8 KiB
Python
70 lines
2.8 KiB
Python
"""Юнит-тесты скоринга плагиата (итоговый процент, который видит студент)."""
|
||
|
||
from app.scoring import aggregate_results
|
||
|
||
|
||
def _m(title: str, pos: int) -> dict:
|
||
return {"source_title": title, "position_start": pos}
|
||
|
||
|
||
def test_empty_input_is_zero():
|
||
out = aggregate_results([], [], [], total_fragments=10)
|
||
assert out["overall_similarity"] == 0.0
|
||
assert out["flagged_fragments"] == 0
|
||
assert out["matches"] == []
|
||
assert out["by_method"] == {"exact": 0, "fuzzy": 0, "semantic_llm": 0}
|
||
|
||
|
||
def test_zero_fragments_does_not_divide_by_zero():
|
||
out = aggregate_results([_m("A", 0)], [], [], total_fragments=0)
|
||
assert out["overall_similarity"] == 0.0
|
||
|
||
|
||
def test_percentage_is_share_of_flagged_positions():
|
||
# 2 из 4 фрагментов помечены → 50%
|
||
level1 = [_m("A", 0), _m("B", 5)]
|
||
out = aggregate_results(level1, [], [], total_fragments=4)
|
||
assert out["overall_similarity"] == 50.0
|
||
assert out["flagged_fragments"] == 2
|
||
|
||
|
||
def test_same_position_multiple_sources_counts_once():
|
||
# Одна позиция совпала с двумя разными источниками — доля не раздувается
|
||
level1 = [_m("A", 0)]
|
||
semantic = [_m("B", 0)] # та же позиция 0, другой источник
|
||
out = aggregate_results(level1, [], semantic, total_fragments=2)
|
||
assert out["flagged_fragments"] == 1
|
||
assert out["overall_similarity"] == 50.0
|
||
# оба совпадения сохранены в matches (дедуп только по паре title:pos)
|
||
assert len(out["matches"]) == 2
|
||
|
||
|
||
def test_exact_duplicate_match_is_deduplicated():
|
||
# Один и тот же источник в одной позиции пришёл дважды — остаётся один
|
||
dup = _m("A", 3)
|
||
out = aggregate_results([dict(dup)], [dict(dup)], [], total_fragments=5)
|
||
assert len(out["matches"]) == 1
|
||
|
||
|
||
def test_similarity_capped_at_100():
|
||
# Больше уникальных позиций, чем фрагментов (пограничный случай) → не выше 100%
|
||
matches = [_m(f"S{i}", i) for i in range(5)]
|
||
out = aggregate_results(matches, [], [], total_fragments=3)
|
||
assert out["overall_similarity"] == 100.0
|
||
|
||
|
||
def test_by_method_counts_raw_matches_per_level():
|
||
out = aggregate_results(
|
||
[_m("A", 0), _m("B", 1)], # exact = 2
|
||
[_m("C", 2)], # fuzzy = 1
|
||
[_m("D", 3), _m("E", 4), _m("F", 5)], # semantic_llm = 3
|
||
total_fragments=10,
|
||
)
|
||
assert out["by_method"] == {"exact": 2, "fuzzy": 1, "semantic_llm": 3}
|
||
|
||
|
||
def test_percentage_rounded_to_two_decimals():
|
||
# 1 из 3 → 33.333... → 33.33
|
||
out = aggregate_results([_m("A", 0)], [], [], total_fragments=3)
|
||
assert out["overall_similarity"] == 33.33
|