软工个人项目作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience/homework/13477
这个作业的目标	制作论文查重工具

一、PSP表格（预估与实际耗时）

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	15	20
· Estimate	· 估计任务所需时间	15	20
Development	开发	380	410
· Analysis	· 需求分析（含学习新技术）	60	50
· Design Spec	· 生成设计文档	30	40
· Design Review	· 设计复审	15	15
· Coding Standard	· 代码规范制定	10	10
· Design	· 具体设计	45	55
· Coding	· 具体编码	150	160
· Code Review	· 代码复审	20	20
· Test	· 测试（自我测试+修改提交）	50	55
Reporting	报告	190	180
· Test Report	· 测试报告	40	35
· Size Measurement	· 计算工作量	10	8
· Postmortem & Process Improvement Plan	· 事后总结与改进计划	140	140
· 合计		585	608

论文查重工具项目文档

项目概述

本项目是一个基于Python的论文查重工具，通过文本相似度计算来检测论文中的重复内容。

技术选型

• Python 3.8+
• jieba (中文分词)
• scikit-learn (文本向量化)
• Flask (Web框架)
• Bootstrap (前端框架)

功能特性

• 支持多种文档格式上传 (txt, docx, pdf)
• 中文文本智能分词
• TF-IDF向量化文本特征
• 余弦相似度计算
• 直观的相似度结果展示
• Web界面操作

项目结构

paper_checker/
├── app.py              # Flask主应用
├── checker.py          # 核心查重算法
├── templates/          # HTML模板
│   ├── index.html     # 主页面
│   └── result.html    # 结果页面
├── static/            # 静态资源
│   └── style.css      # 样式文件
├── uploads/           # 上传文件目录
└── requirements.txt   # 依赖包列表

安装部署

1. 克隆项目到本地
2. 创建虚拟环境: python -m venv venv
3. 激活虚拟环境: source venv/bin/activate
4. 安装依赖: pip install -r requirements.txt
5. 运行应用: python app.py

使用说明

1. 访问Web界面
2. 上传待检测文档
3. 选择对比文档库
4. 点击开始检测
5. 查看相似度结果

核心算法

查重算法基于以下步骤：

1. 文档预处理和分词
2. TF-IDF特征提取
3. 文档向量化
4. 余弦相似度计算
5. 相似度阈值判定

测试结果

经过多轮测试，系统能够有效识别：

• 文本直接复制 (相似度>90%)
• 句式改写 (相似度60-80%)
• 同义词替换 (相似度40-60%)

未来改进

• 增加更多文档格式支持
• 优化算法精度
• 添加批量检测功能
• 集成更多相似度算法

总结与反思

本项目通过实际开发加深了对文本处理和机器学习算法的理解，同时提升了Web开发和项目管理能力。

github连接：：https://github.com/IrErV123/PlagiarismDetection/blob/main