第一次个人编程作业

Github仓库：https://github.com/XiaonanLin/XiaonanLin/tree/main/3123004448

这个作业属于哪个课程	班级链接
这个作业要求在哪里	作业要求
这个作业的目标	按流程实现一个论文查重项目、熟悉程序优化及开发规范化、熟悉Github使用

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	40
· Estimate	· 估计这个任务需要多少时间	350	460
· Development	· 开发	200	175
· Analysis	· 需求分析 (包括学习新技术)	20	45
· Design Spec	· 生成设计文档	10	15
· Design Review	· 设计复审	5	5
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	3	3
· Design	· 具体设计	20	20
· Coding	· 具体编码	60	75
· Code Review	· 代码复审	15	20
· Test	· 测试（自我测试，修改代码，提交修改）	20	30
· Reporting	· 报告	120	125
· Test Repor	· 测试报告	30	50
· Size Measurement	· 计算工作量	35	25
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	30
	· 合计	588	603

计算模块接口的设计与实现过程

1. 首先确定用余弦相似度的计算作为计算文本相似度的方法，将总的计算过程分为“读取文件”、“分词”、“统计字符频率”、“计算相似度”、“写入文件”。
2. 用StringBuilder、BuffedReader、InputStreamReader、FileInputStream实现读取文件，用PrintWriter、OutputStreamWriter、FileOutputStream实现写入文件
3. 用HanLP分词器实现分词
4. 用Map存储各词的频度，计算频度时使用遍历
5. 实现求余弦相似度公式来计算文本相似度

流程图：

算法关键：

• 使用了HanLP分词器进行分词，有效将文本切分为独立语义单位，并去掉影响结果的空格
• 使用求余弦相似度的公式计算文本相似度

性能分析

性能分析图：

由于HanLP分词器的缘故无法对其进行进一步优化，只能对空间使用最大的int[]部分进行优化

单元测试

• 测试覆盖率
  

• 文件读取、写入测试
  
  思路：创建不存在的路径，读取写入时应会抛出异常

• 分词测试
  
  思路：给出带有空格并隔开独立语义单位，测试时应会去掉空格和将文本切分为独立语义单位

• 计算字符频率测试
  

• 计算文本相似度测试
  

• 总测试
  

异常处理

• 读取、写入异常