实验概述

本实验是《软件工程概论》课程的综合性实验——系统分析与设计，总计 8 学时。通过选定 DeepL 语言翻译平台作为分析对象，运用面向对象的软件工程思想，完成从需求分析到详细设计的完整过程。

实验目的

  1. 理解并掌握面向对象的系统分析方法，包括用例建模、领域建模等技术
  2. 理解并掌握面向对象的系统设计方法，包括架构设计、模块设计、数据库设计等
  3. 掌握 ProcessOn、EA、Visio 等 CASE 工具建立系统分析与设计的软件模型
  4. 理解需求分析和设计在软件开发过程中的核心地位和作用
  5. 了解书写软件需求规格说明书和软件设计说明书的相关规范

实验对象：DeepL 翻译平台

DeepL 是一款基于深度学习神经网络技术（Transformer 架构）的高质量在线翻译服务，支持数十种语言互译，并提供文档翻译、网页翻译、API 服务、写作辅助（DeepL Write）等多种功能。

核心功能介绍：

文本翻译

支持用户输入文本，选择源语言和目标语言（支持自动语言检测），实现在线实时翻译，并提供翻译结果的复制、朗读、词典查询等交互操作。

文档翻译

支持上传 PDF、DOCX、PPTX 等格式文档，保持原始格式进行全文翻译，并提供下载功能。

API 服务

为开发者提供 RESTful API 接口，支持将 DeepL 翻译能力集成到第三方应用程序中。

词汇表管理

允许用户创建和管理自定义术语词汇表，确保特定术语的翻译一致性。

DeepL Write

提供 AI 写作辅助功能，帮助用户改进语法、措辞和风格（目前支持英语和德语等主要语言）。

系统分析——用例建模

参与者识别

系统参与者列表
参与者类型描述
普通用户 (Visitor)主要参与者未登录访客，可使用基本翻译功能，有字符限制
注册用户 (Registered User)主要参与者已登录用户，可使用翻译历史、词汇表等功能
付费订阅用户 (Subscriber)主要参与者DeepL Pro 用户，享有无限翻译、API 访问等高级功能
团队管理员 (Team Admin)主要参与者管理团队订阅、成员权限和翻译记忆库
第三方开发者 (Developer)主要参与者通过 API 集成 DeepL 翻译服务的开发人员
系统管理员 (Admin)次要参与者负责系统运维、监控、用户管理
支付系统 (Payment System)外部系统处理订阅支付的外部支付网关

顶层用例图说明

顶层用例包含 11 个核心用例：

UC01 - 文本翻译

UC02 - 文档翻译

UC03 - 网页翻译

UC04 - API调用

UC05 - 词汇表管理

UC06 - 写作辅助

UC07 - 用户注册与登录

UC08 - 订阅管理

UC09 - 翻译历史管理

UC10 - 团队管理

UC11 - 系统管理

图4-1 DeepL翻译平台顶层用例图

核心用例描述

UC01 文本翻译用例
项目内容
用例编号UC01
参与者普通用户、注册用户、订阅用户
前置条件用户已访问 DeepL 翻译页面
后置条件系统返回翻译结果，记录翻译历史
基本事件流
1用户输入待翻译文本
2系统自动检测源语言
3用户选择目标语言
4系统实时调用翻译引擎
5系统显示翻译结果
6用户可复制、朗读、替换同义词
异常事件流
E1文本超过字符限制 → 提示注册或升级
E2翻译引擎服务异常 → 提示稍后重试
优先级高（核心功能）
UC02 文档翻译用例
项目内容
用例编号UC02
参与者注册用户、订阅用户
前置条件用户已登录系统
后置条件系统返回翻译后的文档下载链接
基本事件流上传文档 → 验证格式 → 选择语言 → 翻译引擎处理 → 保留原始格式 → 下载
异常格式不支持、文件过大、翻译超时
优先级高
UC04 API调用用例
项目内容
用例编号UC04
参与者第三方开发者（需 API 密钥）
前置条件开发者已注册并获取有效的 API 密钥
后置条件系统返回 JSON 格式翻译结果，更新 API 使用量
异常401 Unauthorized / 429 Too Many Requests / 400 Bad Request / 500 Internal Server Error
优先级高

系统功能结构设计

系统分为 6 个一级功能模块：

图4-2 系统功能层次结构图

文本翻译模块（核心）

系统的核心功能模块。负责接收用户输入的文本，通过神经网络翻译引擎进行实时翻译。支持多种语言互译，具备源语言自动检测、翻译结果词典查询、同义词替换建议等增强功能。

blue

文档翻译模块

处理用户上传的文档文件，解析文档结构后进行内容翻译，同时保持原文档的排版格式。支持 PDF、DOCX、PPTX 等常见办公文档格式。

green

写作辅助模块（DeepL Write）

基于 AI 语言模型，对用户输入的文本进行语法检查、措辞优化和风格调整。支持多种写作风格（正式、非正式、商务、学术等），并提供逐条修改建议。

purple

用户服务模块

管理用户账户全生命周期，包括注册、登录、个人信息管理、订阅计划管理、翻译历史记录查询、自定义词汇表维护等功能。

orange

API 服务模块

为第三方开发者提供标准化的 RESTful API 接口，包括 API 密钥管理、请求认证、频率限制、用量计费、开发者文档等功能。

cyan

系统管理模块

提供后台管理功能，包括用户审核、翻译引擎运行状态监控、系统日志收集与告警、业务数据统计与分析等运维管理功能。

green

系统模块结构设计

分层架构设计

DeepL 翻译平台采用分层架构（Layered Architecture）设计模式，系统自上而下分为四层，各层之间通过接口进行通信，遵循依赖倒置原则（DIP）。

1
2
3
4
5
6
7
8
9
┌─────────────────────────────────┐
│     表现层 (Presentation)        │  ← Web前端、移动端界面
├─────────────────────────────────┤
│    业务逻辑层 (Business Logic)    │  ← 翻译业务处理、用户服务
├─────────────────────────────────┤
│       服务层 (Service)           │  ← 翻译引擎、AI写作引擎
├─────────────────────────────────┤
│     数据访问层 (Data Access)      │  ← MySQL、Redis、对象存储
└─────────────────────────────────┘

图4-3 系统分层架构图

核心实体类设计

六大核心实体类

(1) User（用户类）

  • 属性：userId, username, email, passwordHash, subscriptionType, createdAt
  • 方法：register(), login(), updateProfile(), upgradeSubscription()

(2) Translation（翻译记录类）

  • 属性：translationId, userId, sourceText, translatedText, sourceLang, targetLang
  • 方法：create(), getHistory(), delete()

(3) Glossary（词汇表类）

  • 属性：glossaryId, userId, name, sourceLang, targetLang, entries[]
  • 方法：create(), addEntry(), removeEntry(), applyToTranslation()

(4) Document（文档类）

  • 属性：documentId, userId, originalFilename, fileSize, fileType, translatedFileUrl, status
  • 方法：upload(), translate(), download()

(5) Subscription（订阅类）

  • 属性：subscriptionId, userId, planType, startDate, endDate, status
  • 方法：create(), renew(), cancel(), checkValidity()

(6) ApiKey（API密钥类）

  • 属性：apiKeyId, userId, keyValue, quotaLimit, quotaUsed, isActive
  • 方法：generate(), validate(), revoke(), updateQuota()

图4-4 系统核心设计类图

模块详细设计

文本翻译模块——活动图说明

  1. 用户在输入框中输入待翻译文本
  2. 系统自动检测源语言（或用户手动选择）
  3. 用户选择目标语言
  4. 系统调用翻译引擎（同时匹配词汇表）
  5. 系统返回翻译结果，保存翻译历史

图4-5 文本翻译活动图

图4-5-2 同义词替换流程图

图4-6 文本翻译顺序图

文档翻译模块——程序流程

1
2
3
开始 → 用户上传文档 → 格式验证 → 文档解析
  → 调用文档翻译引擎 → 生成翻译文档 → 保留原始格式
  → 提供下载链接 → 结束

图4-7 文档翻译程序流程图

API调用模块——程序流程

图4-8 API调用活动图
图4-8 API调用活动图

数据库结构设计

系统采用 MySQL 8.0 作为关系型数据库，使用 Redis 进行会话和缓存管理，使用对象存储（如 AWS S3）存储文档文件。

数据库 E-R 图核心实体

核心实体：User（用户）、Translation（翻译记录）、Glossary（词汇表）、GlossaryEntry（词汇表条目）、Document（文档）、Subscription（订阅）、ApiKey（API密钥）、Payment（支付记录）

图4-9 数据库E-R图

核心数据库表

t_user（用户表）
字段类型约束说明
user_idBIGINT UNSIGNEDPK, AUTO_INCREMENT用户唯一标识
usernameVARCHAR(50)NOT NULL, UNIQUE用户名
emailVARCHAR(255)NOT NULL, UNIQUE邮箱地址
password_hashVARCHAR(255)NOT NULLbcrypt 密码哈希
subscription_typeENUM(‘free’,’starter’,’advanced’,’ultimate’)NOT NULL订阅类型
created_atDATETIMENOT NULL创建时间
updated_atDATETIMENOT NULL更新时间
t_translation（翻译记录表）
字段类型约束说明
translation_idBIGINT UNSIGNEDPK翻译记录ID
user_idBIGINT UNSIGNEDFK→t_user, NULL用户ID
source_textTEXTNOT NULL源语言文本
translated_textTEXTNOT NULL翻译后文本
source_langVARCHAR(10)NOT NULL源语言代码
target_langVARCHAR(10)NOT NULL目标语言代码
char_countINT UNSIGNEDNOT NULL源文本字符数
created_atDATETIMENOT NULL翻译时间

索引： idx_user_id, idx_created_at, idx_user_lang

t_glossary（词汇表）
字段类型约束说明
glossary_idBIGINT UNSIGNEDPK词汇表ID
user_idBIGINT UNSIGNEDFK→t_user所属用户
nameVARCHAR(200)NOT NULL词汇表名称
source_langVARCHAR(10)NOT NULL源语言
target_langVARCHAR(10)NOT NULL目标语言
t_subscription（订阅表）
字段类型约束说明
subscription_idBIGINT UNSIGNEDPK订阅ID
user_idBIGINT UNSIGNEDFK→t_user, UNIQUE用户ID
plan_typeENUM(‘starter’,’advanced’,’ultimate’,’team’)NOT NULL订阅计划
billing_cycleENUM(‘monthly’,’annual’)NOT NULL计费周期
start_dateDATENOT NULL开始日期
end_dateDATENOT NULL结束日期
auto_renewBOOLEANDEFAULT TRUE自动续费
t_api_key（API密钥表）
字段类型约束说明
api_key_idBIGINT UNSIGNEDPK密钥ID
user_idBIGINT UNSIGNEDFK→t_user所属用户
key_valueVARCHAR(64)NOT NULL, UNIQUE加密存储
monthly_quotaBIGINT UNSIGNEDNOT NULL月配额
quota_usedBIGINT UNSIGNEDDEFAULT 0已使用配额

软件过程模型选择

本系统开发拟采用增量模型（Incremental Model）结合敏捷开发实践（Scrum 框架）的混合过程模型。

选择理由

  1. 核心功能清晰可分：翻译功能可按优先级划分为多个增量，首批实现 MVP 快速上线
  2. 市场需求反馈驱动：翻译工具市场竞争激烈，需要快速推出可用产品获取用户反馈
  3. AI 模型的持续迭代特性：神经网络模型需要持续训练和优化，增量模型利于集成改进版本
  4. 风险分散：早期增量可验证核心翻译质量和技术架构的可行性
  5. 团队协作效率：结合 Scrum 框架，按 2-4 周 Sprint 周期迭代开发

增量划分方案

增量 交付内容 周期 核心功能
增量1 MVP 文本翻译核心 8 周 基础翻译、语言检测、Web 前端
增量2 用户系统与文档翻译 6 周 注册/登录、文档翻译、翻译历史
增量3 API 服务与词汇表 6 周 RESTful API、API 密钥、词汇表
增量4 付费订阅与团队管理 6 周 订阅计划、支付集成、团队管理
增量5 DeepL Write 6 周 AI 写作辅助、语法检查、风格切换
增量6 性能优化与扩展 4 周 性能优化、CDN、多区域支持

图4-10 增量开发计划甘特图

系统规模估算

软件规模估算是软件项目管理的关键环节。本实验采用代码行技术（LOC）和功能点技术（Function Point）两种方法对 DeepL 翻译平台进行规模估算。

代码行技术（LOC）估算

模块 预计 LOC 开发语言
文本翻译核心引擎 25,000 - 35,000 Python/C++
Web 前端界面 (React) 15,000 - 22,000 TypeScript/JSX
用户服务模块 8,000 - 12,000 Java/Python
文档翻译模块 10,000 - 15,000 Python
API 网关服务 6,000 - 10,000 Java/Go
词汇表管理模块 5,000 - 8,000 Python
订阅与支付模块 5,000 - 8,000 Java
写作辅助 (DeepL Write) 12,000 - 18,000 Python
后台管理系统 8,000 - 12,000 TypeScript
数据库与缓存层 3,000 - 5,000 SQL/配置
测试代码 12,000 - 18,000 多种语言
基础设施建设 4,000 - 6,000 YAML/Terraform
合计 约 140,000 LOC —

blue

根据 COCOMO II 模型，预计总人月约 280 人月。若团队规模为 15 人，开发周期约 18-19 个月。

功能点技术（FP）估算

（1）未调整功能点（UFP）计算

功能类型 复杂度 数量 权重 贡献值
外部输入 (EI) 中 10 4 40
外部输出 (EO) 中 8 5 40
外部查询 (EQ) 低 6 3 18
内部逻辑文件 (ILF) 中 8 10 80
外部接口文件 (EIF) 低 3 5 15

UFP = 193 FP（未调整功能点 Unadjusted Function Point）

（2）技术复杂度因子（TCF）计算

14项通用系统特性（GSC）评估
GSC技术因素评分说明
F1数据通信5高度依赖网络通信，支持实时翻译
F2分布式数据处理4翻译引擎可分布式部署
F3性能5翻译响应时间要求高
F4高负载配置4需支持高并发翻译请求
F5事务速率4API 请求速率高
F9复杂处理5NMT 翻译引擎是高度复杂的 AI 处理逻辑

TCF = 0.65 + 0.01 × DI ≈ 1.18

（3）最终功能点

FP = UFP × TCF = 193 × 1.18 ≈ 228 FP

估算对比分析

功能点技术估算偏低，主要原因是 DeepL 的核心 AI 翻译引擎属于高度复杂的算法密集型软件，功能点技术对算法复杂度的考量有限。在实际项目管理中，建议以代码行估算（约 140,000 LOC）为主要参考。

实验总结与体会

通过本次实验，我对软件工程中系统分析与设计的方法和技术有了更深入的理解：

01 系统分析是软件开发的基石——只有充分理解用户需求、梳理业务流程、明确功能边界，才能为后续设计奠定坚实基础。用例建模技术是捕获和表达功能需求的有效工具。

02 面向对象方法的优势——通过用例图、类图、活动图、顺序图等 UML 模型，能够从不同视角全面描述系统。封装、继承和多态特性更符合现实世界的建模需求。

03 分层架构的设计思想——将系统分为表现层、业务逻辑层、服务层和数据访问层，有效实现了关注点分离，降低了模块间的耦合度，提高了系统的可维护性和可扩展性。

04 数据库设计的关键性——数据库结构设计直接影响到系统的性能和可扩展性。需要考虑数据完整性约束、索引优化、范式设计等因素。

05 过程模型对项目的影响——DeepL 这类 AI 驱动产品适合增量模型，可以快速验证核心价值，逐步完善功能体系，降低技术风险和市场风险。

06 规模估算的实践意义——软件规模估算既是科学也是艺术。不同估算方法有各自的适用场景和局限性，实际项目中应综合运用多种方法。

不足之处

自我反思
  1. 对 DeepL 翻译平台的内部技术实现（特别是神经网络翻译模型的具体架构）的了解有限，分析深度可能不够充分
  2. 由于缺乏真实用户调研数据，需求分析主要基于个人对系统的使用体验，可能与实际用户需求存在偏差

参考文献

参考文献与技术标准
编号文献
[1]张海藩, 吕云翔. 软件工程（第5版）[M]. 北京: 人民邮电出版社, 2018.
[2]Roger S. Pressman. Software Engineering: A Practitioner’s Approach (8th Edition)[M]. McGraw-Hill, 2014.
[3]IFPUG. Function Point Counting Practices Manual (Release 4.3.1)[S]. 2010.
[4]ISO/IEC 25010:2011. Systems and software engineering — System and software quality models[S]. 2011.
[5]DeepL API Documentation[EB/OL]. https://www.deepl.com/docs-api, 2026.

本文为《软件工程概论》课程实验的实验报告，基于面向对象方法对 DeepL 语言翻译平台进行了完整的系统分析与设计。通过本次实验，将软件工程的理论知识与实际系统分析设计相结合，加深了对课程内容的理解，也提升了软件系统分析和设计的实践能力。