第二次作业-个人项目

第二次作业

这个作业属于哪个课程	第二次作业
这个作业要求在哪里	作业要求
这个作业的目标	完成论文查重程序

Github仓库地址

https://github.com/Simonysc-123/3123004761

PSP2.1	Personal Software Process Stages	预估耗时（分钟	实际耗时（分钟）
·Planning	计划	10	15
Estimate	估计这个任务需要多少时间	90	120
Development	开发	30	30
Analysis	需求分析 (包括学习新技术)	30	40
Design Spec	生成设计文档	10	15
Design Review	设计复审	10	10
Coding Standard	代码规范 (为目前的开发制定合适的规范)	10	10
Design	具体设计	20	25
Coding	具体编码	30	45
Code Review	代码复审	5	5
Test	测试（自我测试，修改代码，提交修改）	10	10
Reporting	报告	20	10
Test Repor	测试报告	10	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	10	10
	合计	310	380

使用说明

从命令行参数给出：python main.py [原文文件绝对路径] [抄袭版论文的文件绝对路径] [答案文件绝对路径]

重点模块

1. 读取文件：用UTF-8格式读取文件内容；异常处理：读取失败则报错退出
2. 错误排除：读取失败，读取文本为空，路径错误时均有退出报错功能
3.文件预处理：去除常用，无需计入查重的惯用词
4.计算查重度：

• 特征转换：将两文本合并拟合生成TF-IDF矩阵
• 相似度计算：使用余弦相似度比较两个向量

5.主函数：
1.参数校验：必须传入3个参数（原文路径、抄袭文件模式、输出路径）
2.原文处理：读取原文并预处理为标准格式
3.文件匹配：
•直接路径：检查是否为有效文件
4.遍历处理：
•读取抄袭文件 → 预处理 → 计算相似度 → 记录结果
5.结果写入：按文件名:评分格式输出到文件

性能分析

性能分析图

单元测试覆盖率