| 这个作业属于哪个课程 | 计科21级12班 |
|---|---|
| 这个作业要求在哪里 | 个人项目 |
| 这个作业的目标 | 熟悉个人软件开发流程 |
| gitee：https://gitee.com/jiajidong/3121004864/tree/master/ |
1.PSP表格
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | 60 | 60 |
| Estimate | 估计这个任务需要多少时间 | 60 | 70 |
| Development | 开发 | 310 | 330 |
| Analysis | 需求分析 (包括学习新技术) | 120 | 210 |
| Design Spec | 生成设计文档 | 50 | 40 |
| Design Review | 设计复审 | 30 | 20 |
| Coding Standard | 代码规范 (为目前的开发制定合适的规范) | 30 | 30 |
| Design | 具体设计 | 50 | 70 |
| Coding | 具体编码 | 300 | 400 |
| Test | 测试（自我测试，修改代码，提交修改） | 120 | 110 |
| Reporting | 报告 | 90 | 80 |
| Test Report | 测试报告 | 40 | 30 |
| Size Measurement | 计算工作量 | 50 | 50 |
| Postmortem & Process Improvement Plan | 事后总结, 并提出过程改进计划 | 70 | 40 |
| 合计 | 1380 | 1540 |
2.需求分析
设计一个查重算法，可以用SimHash算法实现，实现文档对比，查重。
3.模块接口的设计与实现
3.1.1 FileInput类
作用：读取文本内容
类方法：readString
3.1.2 main类
运用包内定义的类方法，实现对文本的读取，分词，hash,加权，合并，降维以及计算汉明距离，通过距离最终得到相似度
3.1.3 SimHash类
主要类方法：simhHash，hash，hammingDistance，getDistance，subByDistance
其中simHash实现SimHash算法，hash实现对特征向量的hash，hammingDistance实现加权，getDistance实现合并与降维，subByDistance实现分组检查
3.2 流程图
4.性能分析
5.模块异常分析
当读取文件不存在时会报错
