软工作业2：C++实现简易论文查重

软工作业2：C++实现简易论文查重

这个作业属于哪个课程	计科21级12班
这个作业要求在哪里	个人项目
这个作业的目标	熟悉个人软件开发流程

项目Github 点击这里

PSP表

PSP2.1	Personal Software Process	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	15	15
· Estimate	· 估计这个任务需要多少时间	15	15
Development	开发	550	410
· Analysis	· 需求分析 (包括学习新技术)	180	100
· Design Spec	· 生成设计文档	50	20
· 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)	30	30
· Design	· 具体设计	30	20
· Coding	· 具体编码	120	160
· Code Review	· 代码复审	60	30
· Test	· 测试（自我测试，修改代码，提交修改）	60	40
Reporting	报告	60	50
· Test Report	· 测试报告	20	20
· Size Measurement	· 计算工作量	20	10
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	20
	· 合计	625	475

环境

• Microsoft Visual Studio 2022
• CMake

计算模块接口设计与实现

计算模块是 SimilarityDetection 类的成员函数 double SimilarityDetection::get_similarity()

首先将会对两段文本进行分词，分词使用的库是 cppjieba

分词之后的核心计算算法为余弦相似度算法

double SimilarityDetection::cosine_similarity(const vector<string>& split_origin, const vector<string>& split_target);

这个算法将会对已经分词的文本进行余弦相似度计算

计算公式为 \(cos(\theta)=\frac{a*b}{\mid a\mid\mid b\mid}=\frac{\sum\limits_{i=1}^{n}\left(x_i*y_i\right)}{\sqrt{\sum\limits_{i=1}^{n}(x_i)^2}\sqrt{\sum\limits_{i=1}^{n}(\nu_i)^2}}\)

性能分析

软件性能瓶颈为jieba对象生成和实际计算重复率的部分

在Debug模式下，软件执行时间高达40s

单元测试

三组测试均能计算出结果