个人项目：论文查重

这个作业属于哪个课程	地址
这个作业要求在哪里	要求
这个作业的目标	论文查重

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	15	30
Estimate	估计这个任务需要多少时间	30	50
Development	开发	500	150
Analysis	需求分析 (包括学习新技术)	200	450
Design Spec	生成设计文档	40	45
Design Review	设计复审	55	50
Coding Standard	代码规范 (为目前的开发制定合适的规范)	30	35
Design	具体设计	20	40
Coding	具体编码	240	280
Code Review	代码复审	20	30
Test	测试（自我测试，修改代码，提交修改）	250	290
Reporting	报告	90	120
Test Repor	测试报告	40	50
Size Measurement	计算工作量	40	60
Postmortem & Process Improvement Plan	事后总结, 并提出过程改进计划	40	45
	合计	1360	1635

算法及流程

• 读取命令行参数
  使用argc和argv获取命令行参数。

检查参数数量是否正确。

• 读取文件内容
  使用std::ifstream读取文件内容。

检查文件是否成功打开。

• 预处理文本
  使用正则表达式去除标点符号。

将文本转换为小写。

• 统计词频
  使用std::map存储每个词的频率。

• 计算余弦相似度
  计算点积和模长。

使用公式计算余弦相似度。

• 输出结果
  使用std::ofstream将结果写入文件。

使用std::cout将结果输出到控制台。

关键算法的代码

• 余弦相似度计算的C++代码：
  `

#include <map>
#include <string>
#include <cmath>

double cosine_similarity(const std::map<std::string, int> &freq1, const std::map<std::string, int> &freq2) {
    double dot_product = 0.0; // 点积
    double magnitude1 = 0.0;  // 向量1的模长
    double magnitude2 = 0.0;  // 向量2的模长

// 计算点积和向量1的模长
for (const auto &pair : freq1) {
    const std::string &word = pair.first;
    int count1 = pair.second;
    int count2 = freq2.count(word) ? freq2.at(word) : 0; // 如果word在freq2中存在，则获取其频率；否则为0
    dot_product += count1 * count2;
    magnitude1 += std::pow(count1, 2);
}

// 计算向量2的模长
for (const auto &pair : freq2) {
    magnitude2 += std::pow(pair.second, 2);
}

// 计算模长的平方根
magnitude1 = std::sqrt(magnitude1);
magnitude2 = std::sqrt(magnitude2);

// 避免除零错误
if (magnitude1 == 0 || magnitude2 == 0) {
    return 0.0;
}

// 返回余弦相似度
return dot_product / (magnitude1 * magnitude2);

}`

性能分析

异常处理

• 命令行参数检查

if (argc != 4) { std::cerr << "Usage: " << argv[0] << " <original_file> <copied_file> <output_file>\n"; return 1; }

• 文件打开失败处理
  原文文件打开失败：
  std::ifstream original_file(argv[1]); if (!original_file) { std::cerr << "Failed to open original file: " << argv[1] << "\n"; return 1; }

抄袭版文件打开失败：
std::ifstream copied_file(argv[2]); if (!copied_file) { std::cerr << "Failed to open copied file: " << argv[2] << "\n"; original_file.close(); // 关闭已打开的原文文件 return 1; }

输出文件打开失败：
std::ofstream output_file(argv[3]); if (!output_file) { std::cerr << "Failed to open output file: " << argv[3] << "\n"; return 1; }
*除零错误处理：
if (magnitude1 == 0 || magnitude2 == 0) { return 0.0; }