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