个人项目

作业所属课程	https://edu.cnblogs.com/campus/gdgy/Networkengineering1834
作业要求	https://edu.cnblogs.com/campus/gdgy/Networkengineering1834/homework/11146
这个作业的目标	学习计算文本相似度的算法、性能分析、掌握PSP表格的使用、熟悉个人项目开发流程

一、github仓库

主页地址

版本更替情况：

二、PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	60	50
· Estimate	· 估计这个任务需要多少时间	30	10
Development	开发	300	300
· Analysis	· 需求分析 (包括学习新技术)	240	360
· Design Spec	· 生成设计文档	30	15
· Design Review	· 设计复审	20	10
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	20	10
· Design	· 具体设计	30	40
· Coding	· 具体编码	240	300
· Code Review	· 代码复审	30	20
· Test	· 测试（自我测试，修改代码，提交修改）	60	30
Reporting	报告	40	60
· Test Repor	· 测试报告	40	40
· Size Measurement	· 计算工作量	30	25
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	40	20
	· 合计	1210	1240

三、算法设计

根据知网论文查重原理，抄袭定义为：当该句有超过15个字相同的子序列时，即认为该句抄袭。

最长公共子序列（longest-common-subsequence, LCS）

 （1）子序列：一个序列X ＝ x1x2...xn,中任意删除若干项，剩余的序列叫做A的一个子序列。也可以认为是从序列A按原顺序保留任意若干项得到的序列。
  例如：对序列 1,3,5,4,2,6,8,7来说，序列3,4,8,7 是它的一个子序列。对于一个长度为n的序列，它一共有2^n 个子序列，有(2^n – 1)个非空子序列。在这里需要提醒大家，子序列不是子集，它和原始序列的元素顺序是相关的。

（2）公共子序列：如果序列Z既是序列X的子序列，同时也是序列Y的子序列，则称它为序列X和序列Y的公共子序列。空序列是任何两个序列的公共子序列。

 （3）最长公共子序列：X和Y的公共子序列中长度最长的（包含元素最多的）叫做X和Y的最长公共子序列。

  这个问题如果用穷举法时间，最终求出最长公共子序列时，时间复杂度是Ο（2mn），是指数级别的复杂度，对于长序列是不适用的。因此我们使用动态规划法来求解。

LCS算法实现过程略