第一次个人编程作业
软工作业2：个人项目+论文查重（python）
| 这个作业属于哪个课程 | 课程首页 - 计科21级1班 - 广东工业大学 - 班级博客 - 博客园 |
|---|---|
| 这个作业要求 | https://edu.cnblogs.com/campus/gdgy/CSGrade21-12/homework/13014 |
| 作业目标 | 完成个人项目：论文查重 |
github链接：[https://github.com/wzslsj/wzslsj]
PSP表格
| PSP | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | 120 | 180 |
| · Estimate | · 估计这个任务需要多少时间 | 120 | 180 |
| Development | 开发 | 240 | 210 |
| · Analysis | · 需求分析 (包括学习新技术) | 120 | 180 |
| · Design Spec | · 生成设计文档 | 30 | 10 |
| · Design Review | · 设计复审 | 15 | 10 |
| · Coding Standard | · 代码规范 (为目前的开发制定合适的规范) | 20 | 30 |
| · Design | · 具体设计 | 10 | 30 |
| · Coding | · 具体编码 | 180 | 200 |
| · Code Review | · 代码复审 | 20 | 10 |
| · Test | · 测试（自我测试，修改代码，提交修改） | 30 | 100 |
| Reporting | 报告 | 30 | 20 |
| · Test Repor | · 测试报告 | 40 | 20 |
| · Size Measurement | · 计算工作量 | 10 | 30 |
| · Postmortem & Process Improvement Plan | · 事后总结, 并提出过程改进计划 | 20 | 20 |
| Total | 总计 | 1005 | 1230 |
程序实现
流程图
接口
文件读写：
分词：
利用re库过滤无用信息
计算相似度：
通过simhash算法计算得出
性能分析
耗时：
占用时间大部分在分词
代码覆盖率：
未覆盖到的仅为条件判断
算法优化
原本使用余弦相似度进行计算：
发现此算法很难处理大文本，出来的相似度结果太高。
后使用simhash算法分析
运行结果
异常
