论文查重

Github仓库链接：https://github.com/JinganCafe/paper_pass

模块设计

1. 类

• Main：程序的入口点，包含 main 方法，用于处理命令行参数，调用其他类的方法来完成任务。
• Txt_IO：负责文件的读写操作。它至少包含两个静态方法：readTxt(String filePath) 用于读取文件内容并返回字符串，writeTxt(String content, - String filePath) 用于将字符串写入文件。
• SimHash：负责生成文本的 SimHash 值。它包含一个静态方法：getSimHash(String text)，该方法接受一个字符串并返回该文本的 SimHash 值。
• Hamming：负责计算两个 SimHash 值之间的海明距离。它至少包含一个静态方法：getHammingDistance(String hash1, String hash2)，该方法接受两个 SimHash 值并返回它们之间的海明距离。

2. 函数关系
   Main 类的 main 方法是程序的起点，它首先调用 Txt_IO.checkTxt 两次来读取两个文件的内容，然后调用 SimHash.getSimHash 两次来生成这两个文本的 SimHash 值，接着调用 Hamming.getHammingDistance 来计算这两个 SimHash 值之间的海明距离，并将这个距离转换为相似度（，最后调用 Txt_IO.writeTxt 将相似度写入文件。

算法分析

SimHash 算法：用于将文本内容转换为一个固定长度的哈希值，这个哈希值能够反映文本内容的主要特征，并且对于相似的内容，其哈希值也会比较接近。SimHash 的独到之处在于它能够有效地捕捉文本之间的相似性，同时保持较高的计算效率和较低的存储需求。

改进思路

优化SimHash算法，可以通过减少哈希长度来降低计算复杂度，同时保持足够的区分度，其次，用更高效的数据结构或算法来存储和计算这些特征。

测试数据的构造思路

1. 相同文本：测试两个完全相同的文本，相似度应为1.0或非常接近1.0
2. 相似文本：测试两个相似的文本，以验证它们之间的相似度是否高于不相似的文本
3. 不同文本：测试两个完全不同的文本，以验证它们之间的相似度是否很低
4. 空文本：测试两个空字符串，以验证空文本是否被视为完全相同

流程设计

测试覆盖率

部分测试代码

package org.example;

import org.junit.Test;

import java.io.*;

import static org.junit.Assert.*;

public class Txt_IOTest {

    @Test
    public void testCheckTxt() {
        String testFilePath = "F:/test/TestTxt/test.txt";
        // 确保测试文件存在，并包含一些内容
        try (FileWriter writer = new FileWriter(testFilePath)) {
            writer.write("Hello, World!");
        } catch (IOException e) {
            fail("测试文件创建失败: " + e.getMessage());
        }

        // 调用 checkTxt 方法并验证结果
        String content = Txt_IO.checkTxt(testFilePath);
        if (content == "Hello, World!") {
            System.out.println("创建文件并写入成功");
        }
        // 清理测试文件
        new File(testFilePath).delete();
    }

    @Test
    public void testWriteTxt() {
        // 准备测试文件路径
        String testFilePath = "F:/test/TestTxt/test_write.txt";

        // 调用 writeTxt 方法
        Txt_IO.writeTxt(123.456, testFilePath);

        // 验证文件内容
        try (BufferedReader reader = new BufferedReader(new FileReader(testFilePath))) {
            String line = reader.readLine();
            assertNotNull(line);
            if (line != null && line.contains("123.4")) {
                // 如果包含"123.4"，则测试通过
                // 但为了示例，我们可以打印一条消息
                System.out.println("测试成功：行内包含'123.4'");
            } else {
                // 如果不包含"123.4"，则测试失败
                // 这里可以抛出一个异常来模拟测试失败，但通常我们会使用断言
                // 或者记录错误、设置标志等
                System.out.println("测试失败：行不包含“123.4”");
            }
        } catch (IOException e) {
            fail("读取测试文件失败: " + e.getMessage());
        }
        new File(testFilePath).delete();
    }
}

结果展示

PSP