个人编程项目：论文查重系统
| 课程 | 软件工程 |
|---|---|
| 要求 | 个人项目作业 |
| 题目 | 论文查重系统 |
| GitHub 链接：https://github.com/EmmaZoeLeft/3218004633.git |
要求规范
输入输出采用文件输入输出。按照传递命令行参数的方式提供文件的位置，从指定的位置读取文件，并向指定的文件输出答案。
- 从命令行参数给出：论文原文的文件的绝对路径。
- 从命令行参数给出：抄袭版论文的文件的绝对路径。
- 从命令行参数给出：输出的答案文件的绝对路径。
示例：java -jar main.jar C:\tests\org.txt C:\tests\org_add.txt C:\tests\ans.txt
注意：答案文件中输出的答案为浮点型，精确到小数点后两位
环境
Eclipse 2020 + JDK 1.8
具体实现
-
结巴分词：使用了 HFUTUtils 工具程序集合中的结巴分词jar包来处理文本，分词后去除了常见停用词
-
最小编辑距离：最小编辑距离，是指两个字串之间，由一个转成另一个所需最小的编辑操作次数。编辑操作包含：插入、删除和替换三种操作。
类及接口
- Main.java：主类，调用以下类
- textSplit.java：分词
- EditDistance.java：最小编辑距离算法
- io.java：读写类
- NullTextException.java：空文本异常抛出
单元测试
eclipse 自带的 JUnit5
- 逐个文本测试
orig_0.8_add.txt测试结果
orig_0.8_del.txt测试结果
orig_0.8_dis_1.txt测试结果
orig_0.8_dis_10.txt测试结果
orig_0.8_dis_15.txt测试结果
- 一次多个文本测试
不断递归迭代会堆栈异常，故不可连续查重多个文本，应采用动态规划完成。
MainTest.java测试结果
性能测试
Main.java的性能测试
不存在程序内存泄漏严重的情况
5秒内给出了答案
占用的内存未超过2048MB
PSP表格
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | ||
| Estimate | 估计这个任务需要多少时间 | 45 | 25 |
| Development | 开发 | ||
| Analysis | 需求分析 (包括学习新技术) | 720 | 660 |
| Design Spec | 生成设计文档 | 120 | 30 |
| Design Review | 设计复审 | 60 | 0 |
| Coding Standard | 代码规范 (为目前的开发制定合适的规范) | 30 | 0 |
| Design | 具体设计 | 120 | 240 |
| Coding | 具体编码 | 720 | 1080 |
| Code Review | 代码复审 | 240 | 360 |
| Test | 测试（自我测试，修改代码，提交修改） | 720 | 240 |
| Reporting | 报告 | ||
| Test Repor | 测试报告 | 120 | 90 |
| Size Measurement | 计算工作量 | 45 | 20 |
| Postmortem & Process Improvement Plan | 事后总结, 并提出过程改进计划 | 60 | 30 |
| 合计 | 3000 | 2775 |
