论文查重算法
| 这个作业属于哪个课程 | https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering2024 |
|---|---|
| 这个作业要求在哪里 | https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering2024/homework/13136 |
| 这个作业的目标 | 开发个人项目 |
github：https://github.com/hhuang1231/3122004572
PSP表格
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | 15 | 10 |
| Estimate | 估计这个任务需要多少时间 | 15 | 10 |
| Development | 开发 | 60 | 60 |
| Analysis | 需求分析 (包括学习新技术) | 120 | 120 |
| Design Spec | 生成设计文档 | 30 | 20 |
| Design Review | 设计复审 | 5 | 5 |
| Coding Standard | 代码规范 (为目前的开发制定合适的规范) | 5 | 5 |
| Design | 具体设计 | 30 | 20 |
| Coding | 具体编码 | 15 | 15 |
| Code Review | 代码复审 | 5 | 5 |
| Test | 测试（自我测试，修改代码，提交修改） | 30 | 30 |
| Reporting | 报告 | 30 | 40 |
| Test Repor | 测试报告 | 10 | 10 |
| Size Measurement | 计算工作量 | 10 | 10 |
| Postmortem & Process Improvement Plan | 事后总结, 并提出过程改进计划 | 10 | 10 |
| 合计 | 390 | 380 |
设计与实现
- PaperChecker用于完成整个功能
- 其中main函数作为暴露功能的接口
- readFile函数用于读取文件
- calculateSimilarity函数用于计算相似度。主要的算法是将每个文件的文本都根据一个参数分割为若干份词，之后对他们取交集，从而计算出相似度。
- PaperChecker用于测试整个功能
性能监控
由图可发现，多数时间花费在分割字词之上。
单元测试
测试函数，主要针对各种文本以及分割长短进行测试
覆盖率
异常处理
要求不能为负数
