个人项目

个人项目

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering2024/
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/SoftwareEngineering2024/homework/13136
这个作业的目标	<完成个人项目,体验开发过程>

GitHub 链接：https://github.com/xiaoyaosanshi/3122004713

psp表格

Stage	Activity	Estimated Time (minutes)	Actual Time (minutes)
Planning	计划	20	15
Estimate	估计这个任务需要多少时间	845	1107
Development	开发	790	1042
Analysis	需求分析 (包括学习新技术)	100	190
Design Spec	生成设计文档	40	27
Design Review	设计复审	20	20
Coding Standard	代码规范 (为目前的开发制定合适的规范)	30	40
Design	具体设计	40	35
Coding	具体编码	400	550
Code Review	代码复审	25	40
Test	测试（自我测试，修改代码，提交修改）	100	120

组织架构：

1.PaperChecker 类是程序的核心，它将命令行工具的所有功能封装在一个单独的JAVA类中。其包含了四个主要方法：
2.main(String[] args)：程序的入口点，处理命令行参数并启动相似度计算过程。
3.calculateSimilarity(String origin, String check, int cutLength)：核心算法实现，根据给定的两个字符串计算其相似度。
4.writeResult(String filePath, double similarity)：将相似度结果输出至指定文件。
5.calculateHashes(String text, int cutLength)：利用给定的分割长度对文本进行分割，并生成文本的哈希集合以用于相似度计算。

核心算法与特色：

算法采用了“子串哈希集合”的概念来进行文本相似度计算，特色如下：
Jaccard相似度： 使用Jaccard指数来衡量两个集合的相似度，这是一种常用于比较样本集的统计量。
适合中文文本： 算法不依赖于空格分隔，因此适合处理中文及类似的非西方语言文本。
灵活的分割策略： calculateHashes方法按照cutLength来将文本切割成子串集合，这允许方法适配于不同长度的文本特征提取。
效率： 算法采用了HashSet来存储和计算交集和并集，相比于列表，它的查找和操作速度快。

性能记录

单元测试展示

总结

在开发个人项目的过程中，我经历了一系列充满挑战的学习和实践。本次项目的核心目标是实现一个简洁有效的文本相似度检测工具，用以辅助学术论文的抄袭检查。在这个旅程中，我不仅掌握了使用文本哈希集合进行Jaccard相似度计算的核心算法，而且我还熟悉了使用Java编程语言解决问题的机制。尤为重要的是，我通过这次经历学习到了如何运用PSP表格来有效管理个人软件开发过程，并且我还初步掌握了在GitHub上进行代码版本控制和项目管理的技巧。这些新技能的获得，为我日后的软件开发奠定了坚实的基础。