第一次个人项目

这个作业属于	首页 - 计科22级12班 - 广东工业大学 - 班级博客 - 博客园 (cnblogs.com)
这个作业要求在哪	个人项目 - 作业 - 计科22级12班 - 班级博客 - 博客园 (cnblogs.com)
这个作业的目标	尝试个人项目的实现，熟悉开发环境

Github项目链接

futureseek/SE-test: SE-test (github.com)

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	60
· Estimate	· 估计这个任务需要多少时间	480	360
Development	开发	120	90
· Analysis	· 需求分析 (包括学习新技术)	150	300
· Design Spec	· 生成设计文档	60	30
· Design Review	· 设计复审	60	30
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	60	45
· Design	· 具体设计	120	60
· Coding	· 具体编码	120	100
· Code Review	· 代码复审	20	20
· Test	· 测试（自我测试，修改代码，提交修改）	20	30
Reporting	报告	120	150
· Test Repor	· 测试报告	120	120
· Size Measurement	· 计算工作量	20	20
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	30
	· 合计	1530	1445

项目设计

主函数

对控制台参数进行处理，调用各个模块代码依次进行。

Jieba类

对长语段进行分词处理

计算词频函数

对分开来的所有词语进行统计，计算在原语段的出现频率

计算余弦相似度

将不同的词出现频率作为空间向量各个维，所有的词语出现频率相乘作为点积，除以俩个语段的模长，求出余弦值。

程序流程图

算法的关键有三处：利用cppjie库分词处理，统计词频，计算余弦相似度

计算模块接口部分的性能改进

内存方面

utf-8后缀文件由cppjieba分词库所调用，这些文件占据了文件IO的主要部分

通过减少单词库可以减少文件IO方面的消耗，或者选用模型更下的分词算法。

各函数消耗时间

由图可知，大量的时间消耗在了构建分词模型上

异常处理说明

读取文件接口

void readfile(string& text, string path) {
    ifstream fstream;
    fstream.open(path);
    if (fstream.is_open()) {
        string line;
        while (getline(fstream, line)) {
            //cout<<line<<endl;
            text += line;
        }
    }
    else {
        cout << "Failed to open the file" << endl;
        return;
    }
    //cout<<text<<endl;
    cout << "read over" << endl;
    fstream.close();
}

检测输出流是否正确打开

对于输出文件接口做同样操作

控制台参数读取

try {
    if (argc < 4) {
        throw string("the input is error");
    }
}
catch (string e) {
    cout << e << endl;
    return 0;
}

判断是否输入正确的参数