个人项目-论文查重

这个作业属于哪个课程	2023软件工程—双学位
这个作业要求在哪里	个人项目作业-论文查重
这个作业目标	写一个论文查重程序
其他参考文献	python获取命令行参数方法 git教程 等

目录

• 1.Gitcode仓库链接
  • gitcode：https://gitcode.net/weixin_60699079/3120001847
• 2.PSP表格
• 3.计算模块接口的设计与实现过程
  • 3.1jieba.cut
  • 3.2gensim.similarities.Similarity
  • 3.3Python获取命令行参数的方法
• 4.计算模块接口部分性能改进
  • 4.1各部分花费时间
  • 4.2流程图
• 5.计算模块部分单元测试
• 6.计算模块部分异常处理

1.Gitcode仓库链接

gitcode：https://gitcode.net/weixin_60699079/3120001847

2.PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	60	55
Estimate	估计这个任务需要多少时间	660	1087
Development	开发	60	139
Analysis	需求分析 (包括学习新技术)	60	124
Design Spec	生成设计文档	30	52
Design Review	设计复审	30	15
Coding Standard	代码规范 (为目前的开发制定合适的规范)	30	65
Design	具体设计	60	33
Coding	具体编码	60	243
Code Review	代码复审	60	75
Test	测试（自我测试，修改代码，提交修改）	60	127
Reporting	报告	30	24
Test Repor	测试报告	30	36
Size Measurement	计算工作量	30	53
Postmortem & Process Improvement Plan	事后总结, 并提出过程改进计划	60	46
	合计	660	1087

3.计算模块接口的设计与实现过程

3.1jieba.cut

jeiba是优秀的中文分词第三分库
jieba分词有三种模式：精确模式，全模式，搜索引擎模式
精确模式：将文本精确切分开，不存在冗余单词
全模式：把文本多有可能的词语都扫描出来，有冗余
搜索引擎模式：在精确模式基础上，对长词进行再次切分

原文链接:https://blog.csdn.net/m0_55679583/article/details/124108024

代码：

利用jieba.lcut函数对文章进行了分词

3.2gensim.similarities.Similarity

代码：

利用函数对相似度进行了计算

3.3Python获取命令行参数的方法

sys 模块是一个非常常用且十分重要的模块，通过模块中的 sys.argv 就可以访问到所有的命令行参数，它的返回值是包含所有命令行参数的列表(list)，

代码：

利用sys模块对命令行中的参数进行读取并，赋值给path

4.计算模块接口部分性能改进

利用pycharm中自带的profile进行的性能分析

4.1各部分花费时间

4.2流程图

5.计算模块部分单元测试

在作业要求中提到：

Python: python main.py [原文文件] [抄袭版论文的文件] [答案文件]

python要以这种形式进行测试，所以进行了以下测试

6.计算模块部分异常处理

在编程中遇到了以下问题：未定义参数。

再修改后，得出以下结论：main中参数不能直接引用def中参数，需要进行全局定义。

反思：这是第一次做一个完整的项目，其中很多代码都是对网上现有代码进行的引用，如sys的命令行参数的引用。