| 这个作业属于哪个课程 | 软件工程2024 |
|---|---|
| 这个作业要求在哪里 | 个人项目 |
| 个人gitte地址 | https://gitee.com/zcan86/zcan86 |
| 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 | 60 |
| Development | 开发 | 1200 | 960 |
| · Analysis | · 需求分析 (包括学习新技术) | 300 | 360 |
| · Design Spec | · 生成设计文档 | 60 | 60 |
| · Design Review | · 设计复审 | 30 | 30 |
| · 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 | 90 | 90 |
| · Coding | · 具体编码 | 360 | 360 |
| · Code Review | · 代码复审 | 60 | 60 |
| · Test | · 测试（自我测试，修改代码，提交修改） | 240 | 180 |
| Reporting | 报告 | 240 | 240 |
| · Test Repor | · 测试报告 | 60 | 70 |
| · Size Measurement | · 计算工作量 | 60 | 60 |
| · Postmortem & Process Improvement Plan | · 事后总结, 并提出过程改进计划 | 120 | 120 |
| · 合计 | | 1320 | 1680 |
1.模块接口的设计与实现
设计思路：利用Hamming与SimHash，通过将文本转换为字符串来实现关键词提取与SimHash计算，最后通过Hamming求距离及相似度。
由此可设计4个函数：1，文本的提取与转换为字符串 2，simhash的计算函数 3，海明距离的计算函数 4，特殊文本的处理
2.模块接口部分的性能改进
在进行相似度计算之前，对文本进行预处理，如去除停用词、标点符号、转换为小写等，以减少计算量并提高准确性。
3.模块部分单元测试展示
这是海明距离计算的代码
public class HammingUtils {
// 输入两个simHash值，计算它们的海明距离
public static int getHammingDistance(String simHash1, String simHash2) {
int distance = 0;
if (simHash1.length() != simHash2.length()) {
// 出错，返回-1
distance = -1;
} else {
for (int i = 0; i < simHash1.length(); i++) {
// 每一位进行比较
if (simHash1.charAt(i) != simHash2.charAt(i)) {
distance++;
}
}
}
return distance;
}
// 输入两个simHash值，输出相似度
public static double getSimilarity(String simHash1, String simHash2) {
// 通过 simHash1 和 simHash2 获得它们的海明距离
int distance = getHammingDistance(simHash1, simHash2);
// 通过海明距离计算出相似度，并返回
return 0.01 * (100 - distance * 100 / 128);
}
下图是覆盖率
4.异常处理
有一些关键字无法提取，通过第四个类实现无障碍运行。
标签：查重,distance,java,海明,论文,simHash2,simHash1,60,计算 From： https://www.cnblogs.com/zcann/p/18075155