软工第二次作业
个人项目——论文查重
| 这个作业属于哪个课程 | 计科12班 |
|---|---|
| 这个作业的要求在哪里 | 作业要求 |
| 这个作业的目标 | 实现论文查重，将原文件和抄袭文件的相似度写入到答案文件中 |
github链接：github
题目需求
题目：论文查重
描述如下：
设计一个论文查重算法，给出一个原文文件和一个在这份原文上经过了增删改的抄袭版论文的文件，在答案文件中输出其重复率。
- 原文示例：今天是星期天，天气晴，今天晚上我要去看电影。
- 抄袭版示例：今天是周天，天气晴朗，我晚上要去看电影。
要求输入输出采用文件输入输出，规范如下：
- 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。
我们提供一份样例，课堂上下发，上传到班级群，使用方法是：orig.txt是原文，其他orig_add.txt等均为抄袭版论文。
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
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 | 50 |
| · Estimate | · 估计这个任务需要多少时间 | 180 | 240 |
| Development | 开发 | 120 | 120 |
| · Analysis | · 需求分析 (包括学习新技术) | 150 | 120 |
| · Design Spec | · 生成设计文档 | 30 | 20 |
| · Design Review | · 设计复审 | 30 | 20 |
| · Coding Standard | · 代码规范 (为目前的开发制定合适的规范) | 30 | 20 |
| · Design | · 具体设计 | 60 | 60 |
| · Coding | · 具体编码 | 60 | 70 |
| · Code Review | · 代码复审 | 20 | 20 |
| · Test | · 测试（自我测试，修改代码，提交修改） | 20 | 60 |
| Reporting | 报告 | 30 | 40 |
| · 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 | 950 | 1010 |
接口设计
接口
IOUtil:写入写出文本的工具类
SimHashUtil:对文本进行simhash的工具类
HammingUtil:计算哈希值的海明距离的工具类
Main:总函数
执行流程
Main函数为整个程序的入口，调用IOUtil工具类实现对测试文本的读入与写出，调用simhash算法类对关键词进行哈希，最后将得到的哈希值交给hammingUtil用于计算海明距离,从而进一步得到论文重复率
性能分析
测试部分
对程序进行测试，各部分代码均能跑通，测试文本orig和orig_0.8_add查重结果为0.82，通过测试
异常处理
当参数输入过少时将不会执行程序，提示输入正确的参数
当文本过小时查重意义不大，不会进行查重
