第一次个人编程作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/Class78-Grade2024-CS
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/Class78-Grade2024-CS/homework/15702
这个作业的目标	设计一个论文查重算法用以查询重复率，并将程序上传至github

本次作业的github链接：https://github.com/Joker-Deng/Joker-Deng/tree/main/3124004465/Project1

程序设计思路

我使用c++语言以及N-gram文本处理、Jaccard相似度的理论设计了论文查重的算法。

1、文件处理

使用了c++的fstream文件处理库，读取文件中的文本并以string类型存储，以及后续对查重率的导出。

2、N-gram文本处理

先对文本进行处理，去除标点符号的影响，再将其以滑动窗口的形式分成数个元组，用以下一步的重复文本分析。

3、Jaccard相似度计算

通过上一步的元组分组，可以便捷地分析两段文本的交集及并集的字符个数，进而计算出两段文本的相似度，即查重率。

性能分析图

单元测试

异常测试

1、无效输入路径

2、空文本

3、重复文本

附录

本次作业是我第一次尝试规范地设计代码、分析性能，但感觉还是有些疏漏，对vs的性能分析器还不够了解。此外，通过这次作业我了解到文本查重的一些基础知识，这是我过去完全不了解的。

PSP表

Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
计划	5	5
估计这个任务需要多少时间	3	5
开发	30	40
需求分析 (包括学习新技术)	30	45
生成设计文档	10	10
设计复审	5	5
代码规范 (为目前的开发制定合适的规范)	3	3
具体设计	15	20
具体编码	45	60
代码复审	5	10
测试（自我测试，修改代码，提交修改）	15	30
报告	15	20
测试报告	15	30
计算工作量	5	7
事后总结, 并提出过程改进计划	5	10
合计	206	300