论文查重

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/Internationalcourseincomputationalscienceandtechnology/
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/Internationalcourseincomputationalscienceandtechnology/homework/12187
这个作业的目标	实现论文查重的算法，并学会用psp制作一个时间表格，测试用例以及进行效能分析

1. Github仓库
   存放文件夹地址：https://github.com/3119009475/3119009475-
2. PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	10	5
· Estimate	· 估计这个任务需要多少时间	10	20
Development	开发	300	350
· Analysis	· 需求分析 (包括学习新技术)	60	100
· Design Spec	· 生成设计文档	40	60
· Design Review	· 设计复审	20	30
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	20	20
· Design	· 具体设计	30	40
· Coding	· 具体编码	180	210
· Code Review	· 代码复审	30	20
· Test	· 测试（自我测试，修改代码，提交修改）	20	30
Reporting	报告	60	80
· Test Report	· 测试报告	40	40
· Size Measurement	· 计算工作量	10	10
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	10
Total	· 合计	850	1025

3.算法分析
使用余弦相似度算法，将文本中的文字转变成空间向量，计算两个文本转变后的空间向量的夹角，因此得出两个文本的相似度的大小。
计算余弦的相似度：

同时每篇文章都会有许多词是重复使用的常用词，为了不影响判断，我们需要消除一定的重复词的影响：

4.相关的requirements截图

5.效能分析
5.1.模块审计：

5.2.模块占用时间以及性能：

6.异常分析
6.1.我的stopwords不管是否放在指定文件夹，程序都可以正常运行，并且查重结果并不会发生任何改变，由此我做出一个推测，也许是我的stopwords并没有发挥作用或者是我设置的stopwords词数太少并没有识别出来。在我的上述尝试中，我试图将我的stopwords放在E盘的PyCharm和E盘的PyCharm中的test中，结果没有变化。

6.2.文件路径出错，当复制了正确的文件路径后问题得到了解决。

7.测试用例
7.1.orig与orig_0.8_add文本相似度为:83.50000000000006%

7.2.orig与orig_0.8_del文本相似度为文本相似度为:73.00000000000004%

7.3.orig与orig_0.8_dis_1文本相似度为:88.50000000000006%

7.4.orig与orig_0.8_dis_10文本相似度为:75.00000000000004%

7.5.orig与orig_0.8_dis_15文本相似度为:63.00000000000002%