第一次个人编程作业

| 这个作业属于哪个课程 | 课程 |
| ---- | ---- | ---- |
| 这个作业要求在哪里 | 要求 |
| 这个作业的目标 | 实现论文查重算法+PSP模式体验 |

一、GitHub仓库

github

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	30	40
· Estimate	· 估计这个任务需要多少时间	30	40
Development	开发	720	835
· Analysis	· 需求分析 (包括学习新技术)	60	80
· Design Spec	· 生成设计文档	40	50
· Design Review	· 设计复审	20	40
· 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	60	70
· Coding	· 具体编码	240	300
· Code Review	· 代码复审	40	60
· Test	· 测试（自我测试，修改代码，提交修改）	240	215
Reporting	报告	65	70
· Test Report	· 测试报告	20	25
· Size Measurement	· 计算工作量	15	15
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	30	30
	合计	815	945

三、计算模块接口的设计与实现过程

1.主流程图

2.接口的设计与实现

项目结构

类图

• Exception : 自定义异常类
• Entry : 入口类，程序执行入口
• IOHandler ： 用于处理文件的类，包含读取文件和将结果写入文件的方法
• Processor ： 核心处理器类，用于将字符串分词并计算重复率

算法核心

采用余弦相似度计算的方法

通过分词器将文章分为词组后得到词组与其出现频率的映射，相当于一个多维向量，此时计算这两个向量的余弦相似度即近似表现为两篇文章的相似程度

关键函数

计算词频
维护一个<String,int[]>的映射,遍历来自两篇文章的词组数组;同一个词组若来自文章1则在数组第一位加1,来自文章2则在数组第二位加1,以此统计所有词组在两篇文章出现的频率

计算重复率
根据余弦计算公式,遍历词频映射,分别计算分子分母后相除得出结果

四、模块接口部分的性能改进

JProfiler性能分析图

内存使用情况

代码优化结果(SonarLint)

五、单元测试

测试程序核心方法

结果

覆盖率

核心方法只用到了IOHandler和Processor类中的方法

cmd测试

结果

所有文件的结果

六、异常处理

EmptyTxtException:空文件异常,当有一比较文件为空时报错

异常测试

TxtNotFoundException:路径异常,当比较文件路径找不到文件时报错

异常测试

七、心得

• 这次的作业接触了之前从未涉及过的关于计算查重率的算法，以及分词器的使用
• 接触了代码分析、项目性能分析，并且体验了一次较为完整的开发评估系统PSP