论文查重

仓库地址：https://github.com/bitpurleclude/3122004951Plagiarism-check.git

这个作业属于哪个课程	(https://edu.cnblogs.com/campus/gdgy/CSGrade22-34/join?id=CfDJ8AOXHS93SCdEnLt5HW8VuxT_rAhbZKO3TfjMmbv1B0Re5Fp2d0_QACha2ZoYZ4fxF-ZKCCAhfJl7B8mvCfesLYE02X8T6kx_2R8w0SR-ykrgDVRKWkWQOEyI0LT4BHazpS2wjaFQselKyI83UoHD6q4)
这个作业要求在哪里	(https://edu.cnblogs.com/campus/gdgy/CSGrade22-34/homework/13229)
这个作业的目标	学会使用github进行版本管理和进行项目测试

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	60	30
Estimate	估计这个任务需要多少时间	60	30
Development	开发	60	5*60
Analysis	需求分析 (包括学习新技术)	120	180
Design Spec	生成设计文档	30	30
Design Review	设计复审	30	20
Coding Standard	代码规范 (为目前的开发制定合适的规范)	30	20
Design	具体设计	30	30
Coding	具体编码	30	4*60
Code Review	代码复审	30	30
Test	测试（自我测试，修改代码，提交修改）	30	60
Reporting	报告	30	60
Test Repor	测试报告	30	60
Size Measurement	计算工作量	30	20
Postmortem & Process Improvement Plan	事后总结, 并提出过程改进计划	30	10
	合计	11.5h

模块接口设计

-检测字符串中相似的部分的函数
-从文件路径中获取数据作为字符串的函数
-项目操作入口即获得输入路径

模块接口性能改进

由于借鉴的是外国对于英文的鉴别方法，是以单词为单位的，而在中文使用中鉴别准确率极低，故需要改进函数，增加准确率，先是改用余弦计算相似度，准确率还是不太合理，再改用1-编辑距离/文章长度，获得了较为合理的数据，但是加大了性能消耗

单元测试

异常处理

防止文件不存在测试单元：

防止参数缺失