个人项目：论文查重

第一次编程作业

item | answer |
-|-|-
这个作业属于哪个课程 | https://edu.cnblogs.com/campus/gdgy/informationsecurity1812/homework/11155 |
这个作业要求在哪里 | https://edu.cnblogs.com/campus/gdgy/informationsecurity1812/homework/11155 |
这个作业的目标 | 学习使用PSP表格，学习commit规范 |

GitHub链接：https://github.com/jinjin99/3218005394

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	40	40
Development	开发	500	600
· Analysis	· 需求分析 (包括学习新技术)	200	300
· Design Spec	· 生成设计文档	60	80
· 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)	40	30
· Design	· 具体设计	30	30
· Coding	· 具体编码	200	220
· Code Review	· 代码复审	30	20
· Test	· 测试（自我测试，修改代码，提交修改）	60	90
Reporting	报告	60	80
· Test	· 测试（自我测试，修改代码，提交修改）	60	90
Reporting	报告	60	60
· Test Repor	· 测试报告	30	40
· Size Measurement	· 计算工作量	15	20
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	20
	· 合计	1335	1830

一、模块接口的设计和实现

实现逻辑

主要运用余弦相似性来比较两个句子的相似性。首先进行分词，统计词频，然后计算每个词在全文的分布是怎样的，从宏观上分析两篇文章的相似度。

1 文件读写类

2. 分词和计算

3.自定义异常类

二、测试结果

三、性能检测

四、总结

该算法遍历的时候只遍历第一个句子有的词，第二个句子有但是第一个句子有的词不会被加进分母中计算！！！