个人项目：论文查重
作者：互联网
| 这个作业属于哪个课程 | 班级的链接 |
|---|---|
| 这个作业要求在哪里 | 作业要求的链接 |
| 这个作业的目标 | 实现论文查重算法，学会使用PSP表格估计，学会 Git commit 规范，学会单元测试 |
目录
1.Github仓库
2.PSP表格
3.计算模块接口的设计与实现过程
4.计算模块接口部分的性能改进
5.计算模块部分单元测试展示
6.计算模块部分异常处理说明
1.Github仓库
2.PSP表格
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | 5 | 5 |
| · Estimate | · 估计这个任务需要多少时间 | 5 | 5 |
| Development | 开发 | 290 | 390 |
| · Analysis | · 需求分析 (包括学习新技术) | 20 | 25 |
| · Design Spec | · 生成设计文档 | 0 | 0 |
| · Design Review | · 设计复审 | 0 | 0 |
| · Coding Standard | · 代码规范 (为目前的开发制定合适的规范) | 10 | 15 |
| · Design | · 具体设计 | 0 | 0 |
| · Coding | · 具体编码 | 200 | 250 |
| · Code Review | · 代码复审 | 30 | 60 |
| · Test | · 测试（自我测试，修改代码，提交修改） | 30 | 40 |
| Reporting | 报告 | 35 | 45 |
| · Test Repor | · 测试报告 | 20 | 30 |
| · Size Measurement | · 计算工作量 | 5 | 5 |
| · Postmortem & Process Improvement Plan | · 事后总结, 并提出过程改进计划 | 10 | 10 |
| . Total | · 合计 | 330 | 440 |
3.计算模块接口的设计与实现过程
1.类型层次结构
2.算法的部分思想
由于此为小型项目，故在此处选择字为向量，虽然准确率降低，但速度提高不少。
注：虽然词更为准确，但分词却需要增加额外的复杂度
每个字在章节中出现的次数，便是此字向量的值。现在我们假设：
章节1中出现的字为：Z1c1,Z1c2,Z1c3,Z1c4……Z1cn；它们在章节中的个数为：Z1n1,Z1n2,Z1n3……Z1nm；
章节2中出现的字为：Z2c1,Z2c2,Z2c3,Z2c4……Z2cn；它们在章节中的个数为：Z2n1,Z2n2,Z2n3……Z2nm；
其中，Z1c1和Z2c1表示两个文本中同一个字，Z1n1和Z2n1是它们分别对应的个数，
最后我们的相似度可以这么计算：
程序为了加快效率，有两个小特点：
1. 只将汉字作为向量，其他的如标点，数字等符号不处理；
2. 在HashMap中存放汉字和其在文本中对于的个数时，先将单个汉字通过GB2312编码转换成数字，再存放。
算法复杂度大致为：document1.length + document2.length。
4.计算模块接口部分的性能改进
JProfiler的性能分析图
由图可见本算法对char和String字符的使用较为频繁
5.计算模块部分单元测试展示
6.计算模块部分异常处理说明
空文本测试代码
打印结果
标签：查重,章节,30,个人,单元测试,论文,模块接口,计算,PSP 来源： https://www.cnblogs.com/moon-ang/p/13721887.html