第一次编程作业

第一次个人编程作业

GitHub链接：https://github.com/vickieeeeeee/3118005390

这个作业属于哪个课程	软件工程
这个作业要求在哪里	作业要求
这个作业的目标	论文查重个人项目 + 单元测试 + PSP表格 + Git管理 + 性能测试

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	20
· Estimate	· 估计这个任务需要多少时间	30	20
Development	开发	250	400
· Analysis	· 需求分析 (包括学习新技术)	25	50
· Design Spec	· 生成设计文档	15	10
· Design Review	· 设计复审	15	10
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	15	5
· Design	· 具体设计	30	20
· Coding	· 具体编码	280	100
· Code Review	· 代码复审	30	15
· Test	· 测试（自我测试，修改代码，提交修改）	40	100
Reporting	报告	45	10
· Test Repor	· 测试报告	20	10
· 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	20	10
	· 合计	515	795

计算模块接口的设计与实现过程

整体流程

• 通过命令行接收原文文件输入路径、抄袭版论文的文件输入路径、答案文件输出路径。

• 对文本内容进行处理。
  1.保留文字

  2.去停用词

• 通过核心算法得出相似度。

• 输出答案。

流程图

接口过程设计与实现

接口过程需要 文本预处理、结巴分词、tfidf转换文本向量、gensim计算相似度

整个流程关键在于文本预处理和tfidf转换向量上

预处理需要将文本进行清洗，保留文字，去除停用词。

清洗文字代码

要注意清洗时str和list之间的类型转换

核心算法

程序运行截图

性能改进

可绕过语料库之间进行对比判断

部分单元测试

预处理部分

计算部分

异常处理

要求输入３个路径，没有输入则报错