第一次个人编程作业

这个作业属于哪个课程	软件工程
这个作业要求在哪里	作业要求
这个作业的目标	<自主完成一个编程项目并上传至Github中管理，熟悉项目开发的简单流程>

作业的Github连接

一.PSP表格

二.计算模块接口的设计和实现过程

共创建了4个类用于实现不同的功能：

1. TextIOUtil类：包含两个静态方法
   1.1 readText方法：用作读取文件，并转换成字符串。
   1.2 writeText方法：用作把结果从字符串转换成文件，并写出。
   都是使用java.io包提供的方法实现

2. SimHashUtils类：包含两个静态方法
   2.1 getHash方法：用于得到一个字符串的Hash值，提供给下面的方法使用。（使用MD5的方法获得hash值）
   
   2.2 getSimHash方法：传入字符串，得到该字符串的SimHash值。
   获得SimHash值的算法流程图：
   

（1） 分词：

（2） 获得hash值：

（3） 加权、合并：

（4） 降维：

3. HammingUtils类：包含两个静态方法
   3.1 getHammingDistance方法：传入两个SimHash值的字符串，计算出海明距离。
   
   3.2 getRepetitionRate方法：根据上述方法获得的海明距离计算得出两个文本的重复率。
   

4. MainTextRechecking类：主类，使用命令行传入的参数，并调用上述的方法，得出最终的结果。
   对静态方法的调用如下：
   

三.计算模块接口部分的性能改进

1. overview：
   

2. 方法的调用情况：
   

分析：程序在对文本的分词上花费了很长时间。
并长时间用int型数组对特征向量进行相应的计算以获取字符串的SimHash值。

四.计算模块部分单元测试展示

1. 读取模块测试：
   

测试结果：

路径不存在的情况下，会出现异常

代码覆盖率：

2. 计算SimHash的模块测试：
   

测试结果：

文本过短的情况下，会出现自定义的异常

代码覆盖率：

3. 计算海明距离模块测试：
   
   

测试结果：

代码覆盖率：

4. 主方法的测试：
   

测试结果：

代码覆盖率：

五.计算模块部分异常处理说明

自定义一个异常：

在分词前进行判断异常是否存在：

参考的文章:
SimHash算法
Jprofiler使用
单元测试使用