第二次作业

这个作业属于哪个课程	课程链接
这个作业要求在哪里	作业要求
这个作业的目标	实现个人项目

github链接

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	30	40
Development	开发	390	420
· Analysis	· 需求分析 (包括学习新技术)	60	70
· Design Spec	· 生成设计文档	30	30
· Design Review	· 设计复审	30	30
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	30	30
· Design	· 具体设计	60	70
· Coding	· 具体编码	120	130
· Code Review	· 代码复审	30	30
· Test	· 测试（自我测试，修改代码，提交修改）	30	30
Reporting	报告	90	100
· Test Repor	· 测试报告	30	30
· Size Measurement	· 计算工作量	30	30
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	30	40
	· 合计	510	560

计算模块接口的设计与实现过程

代码组织

类：可以设计一个PlagiarismChecker类，用于处理论文查重的主要逻辑。

函数：- readFile(const std::string& filePath)：从文件中读取内容。

• calculateSimilarity(const std::string& original, const std::string& plagiarized)：计算两篇论文的相似度。
• writeResult(const std::string& resultPath, double similarity)：将相似度结果写入文件。

函数关系

PlagiarismChecker类包含上述三个函数，main函数调用PlagiarismChecker类的成员函数完成整个查重流程。

算法关键

使用余弦相似度算法计算两篇论文的相似度。具体步骤如下：

• 将论文文本进行分词处理。
• 构建词频向量。
• 计算两个词频向量的余弦相似度。

独到之处

采用余弦相似度算法，该算法在文本相似度计算中具有较高的准确性。
对文本进行分词处理，考虑了词语的语义信息，而不仅仅是字符匹配。

性能分析

改进思路

• 优化分词算法，减少分词时间。
• 采用更高效的数据结构存储词频向量，如哈希表。
• 避免不必要的重复计算。

部分单元测试展示

#include "PlagiarismChecker.h"

TEST(PlagiarismCheckerTest, ReadFile) {
    PlagiarismChecker checker;
    std::string filePath = "test.txt";
    std::ofstream file(filePath);
    file << "Test text";
    file.close();

    std::string content = checker.readFile(filePath);
    EXPECT_EQ(content, "Test text");
}

TEST(PlagiarismCheckerTest, CalculateSimilarity) {
    PlagiarismChecker checker;
    std::string original = "Test text";
    std::string plagiarized = "Test text";
    double similarity = checker.calculateSimilarity(original, plagiarized);
    EXPECT_EQ(similarity, 1.0);
}

TEST(PlagiarismCheckerTest, WriteResult) {
    PlagiarismChecker checker;
    std::string resultPath = "result.txt";
    double similarity = 0.8;
    checker.writeResult(resultPath, similarity);

    std::ifstream file(resultPath);
    std::string content;
    file >> content;
    EXPECT_EQ(content, "0.80");
}

// 其他测试用例...

int main(int argc, char **argv) {
    ::testing::InitGoogleTest(&argc, argv);
    return RUN_ALL_TESTS();
}

测试函数

readFile：测试文件读取功能。

calculateSimilarity：测试相似度计算功能。

writeResult：测试结果写入功能。

构造测试数据的思路

对于readFile，创建一个临时文件并写入测试内容，然后读取该文件并验证内容是否一致。
对于calculateSimilarity，构造相同和不同的文本进行测试。
对于writeResult，写入一个测试相似度值，然后读取文件验证结果是否正确

异常处理

文件打开失败：当尝试打开文件时，如果文件不存在或没有权限访问，抛出std::runtime_error异常。
命令行参数错误：当命令行参数数量不正确时，输出错误信息并退出程序。

单元测试样例

TEST(PlagiarismCheckerTest, ReadFileError) {
    PlagiarismChecker checker;
    std::string filePath = "nonexistent.txt";
    EXPECT_THROW(checker.readFile(filePath), std::runtime_error);
}

上述测试用例模拟了文件不存在的场景，当尝试读取不存在的文件时，readFile函数会抛出std::runtime_error异常。