个人项目

这个作业属于哪个课程	课程链接
这个作业要求在哪里	作业要求
这个作业的目标	学习论文查重算法和工程项目的实现

Github仓库连接

论文查重系统

类与接口设计

• PaperCheck类，调用该类的paperCheck（）方法并传入原文章与抄袭文章得出文章相似度

• FileUtils类，调用该类的readFile（）接口，用于读取文件

• MergeSortInversePairs类，调用内部方法mergeSort（）内部实现对序列归并排序并计算出逆序对

对应的接口调度流程图

graph TD A[命令行参数解析] --> B[参数校验] B --> C{参数合法?} C --> |是| D[读取原文文件] C --> |否| E[输出错误信息] D --> F[读取抄袭版文件] F --> G[文本预处理] G --> H[计算相似度] H --> I[写入结果文件] I --> J[程序结束] E --> J

PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	50	60
Estimate	估计这个任务需要多少时间	350	400
Development	开发	400	420
Analysis	· 需求分析 (包括学习新技术)	250	280
Design Spec	生成设计文档	140	120
Design Review	Design Review	35	20
Coding Standard	代码规范 (为目前的开发制定合适的规范)	25	20
Design	具体设计	150	190
Coding	· 具体编码	170	280
· Code Review	· 代码复审	70	65
Test	· 测试（自我测试，修改代码，提交修改）	70	800
Reporting	报告	70	90
Test Repor	测试报告	50	65
Size Measurement	计算工作量	15	15
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	10	10
合计		1870	2560

涉及到的核心算法设计

1.读取原文文件和抄袭版论文文件的内容。

2.使用分词器对原文和抄袭版进行分词，并得到各自的分词序列。

3.提取原文和抄袭版的公共分词，得到公共分词序列。

4.对抄袭版文章的分词序列进行归并排序，并计算逆序对的个数。

5.计算相似度公式：相似度S = (正序对 - 逆序对) / 正序对。

6.将相似度结果写入答案文件。

异常处理

• 开始运行时判断命令行参数是否符合参数

//检查参数个数
if (args.length != 3){
    System.out.println("参数个数错误或文件路径不正确!\n");
    return;
}

//判断参数文件是否以.txt结尾
for(String index : args){
    if(!index.endsWith(".txt")){
        System.out.println("文件格式错误!\n");
        return;
    }
}

• 读取文件时判断文件路径是否正确

try {
    double result = check.paperCheck(args[0], args[1], args[2]);
    System.out.printf("%s 文章查重率：%.2f%% \n",args[1],result * 100);
    //将结果result写入args[2]的文件路径中
    writeResultToFile(args[2], result);
} catch (IOException e){
    LOGGER.error("文件打开失败", e);
}

测试结果

性能

• （采用了Java自带的命令行性能分析工具）