个人项目-论文查重
| 作业属于哪个课程 | 软件工程22级计科12班 |
|---|---|
| 作业要求在哪里 | 个人项目 |
| 这个作业的目标 | java实现论文查重,学习开发、测试、报告的简单流程、使用JProfiler的性能分析工具 |
| github链接 | https://github.com/Anazhang2023/3222004811 |
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | 10 | 10 |
| ·Estimate | · 估计这个任务需要多少时间 | 550 | 527 |
| Development | 开发 | 500 | 483 |
| · Analysis | · 需求分析 (包括学习新技术) | 60 | 120 |
| · Design Spec | · 生成设计文档 | 30 | 60 |
| · Design Review | · 设计复审 | 30 | 30 |
| · Coding Standard | · 代码规范 (为目前的开发制定合适的规范) | 5 | 5 |
| · Design | · 具体设计 | 10 | 10 |
| · Coding | · 具体编码 | 300 | 240 |
| · Code Review | · 代码复审 | 10 | 8 |
| · Test | · 测试（自我测试，修改代码，提交修改） | 30 | 20 |
| Reporting | 报告 | 40 | 34 |
| · Test Repor | · 测试报告 | 20 | 12 |
| · Size Measurement | · 计算工作量 | 10 | 12 |
| · Postmortem & Process Improvement Plan | · 事后总结, 并提出过程改进计划 | 10 | 10 |
| · 合计 | 550 | 527 |
二、项目的设计与实现
1.开发环境
java、IntelliJ IDEA 2020.2
maven依赖: hanlp、jsoup
2.开发思路
3.文件结构
- TxtIOUtil文件负责输入输出，同时当文件输入输出时会抛出异常提示
- SimHashUtil负责计算SImHash值，其中包括全角符转半角符、文件预处理、计算哈希值、计算单词权重的方法
- HammmingUtil负责计算海明值
4.Simhash的理解
reference:SimHash介绍，分为分词，hash，加权，合并，降维几部分
5.单元测试和异常处理
- HammingUtil的测试
- SimHashUtil的获取一个单词的哈希值的方法测试
- SimHashUtil的获取一个单词的权重的方法测试
- TxtUtil的测试
- 正常读取
- 正常输出
- 文件路径输出异常
- 文件路径读取异常
6.性能分析
