个人项目-论文查重

个人编程项目:论文查重

课程	信安19 12-软件工程
要求	(个人项目作业)
这个作业的目标	PSP表格的学习+项目模块化编程
Github项目	我的Github链接

PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	30	55
· Estimate	· 估计这个任务需要多少时间	20	30
Development	开发	600	1200
· Analysis	· 需求分析 (包括学习新技术)	400	800
· Design Spec	· 生成设计文档	40	40
· Design Review	· 设计复审	20	20
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	10	10
· Design	· 具体设计	60	60
· Coding	· 具体编码	360	360
· Code Review	· 代码复审	20	30
· Test	· 测试（自我测试，修改代码，提交修改）	20	40
Reporting	报告	40	40
· Test Repor	· 测试报告	15	20
· Size Measurement	· 计算工作量	20	20
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	30
	· 合计	1675	2755

一.题目要求

输入输出采用文件输入输出。按照传递命令行参数的方式提供文件的位置，从指定的位置读取文件，并向指定的文件输出答案。

• 从命令行参数给出：论文原文的文件的绝对路径。
• 从命令行参数给出：抄袭版论文的文件的绝对路径。
• 从命令行参数给出：输出的答案文件的绝对路径。

示例：java -jar main.jar C:\tests\org.txt C:\tests\org_add.txt C:\tests\ans.txt

二.项目实现

- 环境:Intellij IDEA2021 , JDK 1.8

- 实现思路: 本地测试文本→键输路径→命令行实现

- 流程图:

- 工程结构:

- 算法核心:余弦相似度的计算

（1）找出两篇文章的关键词；
（2）每篇文章各取出若干个关键词，合并成一个集合，计算每篇文章对于这个集合中的词的词频
（3）生成两篇文章各自的词频向量；
（4）计算两个向量的余弦相似度，值越大就表示越相似。

三.单元测试

- 覆盖率

- CPU Load

- 异常处理说明

四.总结

1.PSP表格的初步尝试,确实让我自我审视许多,很多自认为简单的东西,上起手来,难度超出自身预期

2.花了一些时间在本地库与远程库的commit上,这方面还得继续学习

3.个人项目的完成上,每遇到一个新的问题,就是一个学习的过程,在学习新技术上花的时间很多