软工第二次作业

软工作业2：个人项目-论文查重

GitHub链接: github

课程信息

• 课程: 计科22级2班 - 广东工业大学
• 作业要求: 作业要求
• 目标: 完成个人项目-论文查重；学会写单元测试

一、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	30
Estimate	估计这个任务需要多少时间	30	60
Development	开发	300	420
Analysis	需求分析 (包括学习新技术)	60	30
Design Spec	生成设计文档	60	60
Design Review	设计复审	15	10
Coding Standard	代码规范	15	10
Design	具体设计	30	60
Coding	具体编码	30	60
Code Review	代码复审	15	10
Test	测试（自我测试，修改代码，提交修改）	15	60
Reporting	报告	60	120
Test Report	测试报告	30	60
Size Measurement	计算工作量	10	10
Postmortem & Process Improvement Plan	事后总结, 并提出过程改进计划	10	20
合计		740	1020

二、设计与开发

编码规范

• 阿里巴巴开发规范插件

2.1 开发环境

• 操作系统: Windows
• 编程语言: JDK 1.8

2.2 开发工具

• Maven包管理工具
• IDE: IDEA 2022.3.1
• 性能分析工具: JProfiler 11.1.4

2.3 项目依赖

• JUnit测试框架
• Jieba-Java中文分词库

2.4 算法设计说明

longestCommonSubsequence (LCS) 算法

• 动态规划：

  • 使用动态规划来计算 LCS。创建一个二维数组 dp，其中 dp[i][j] 表示前 i 个字符和前 j 个字符的 LCS 长度。
  • 遍历两个字符串的每个字符：
    • 如果字符相同，则 LCS 长度为 dp[i-1][j-1] + 1。
    • 如果字符不同，则 LCS 长度为 Math.max(dp[i-1][j], dp[i][j-1])，即取左边或上边的最大值。

• 时间复杂度：

  • LCS 算法的时间复杂度为 O(m × n)，其中 m 和 n 分别是两个字符串的长度。

• 空间复杂度：

  • 空间复杂度为 O(m × n)，用于存储动态规划表。如果需要优化空间，可以只保留当前行和上一行的数据。

• 优点：

  • LCS 算法简单直观，适合用于文本相似度检测。
  • 结果能够有效反映文本之间的相似性。

• 缺点：

  • 对于较长的文本，计算复杂度较高，可能导致性能问题。
  • 仅依赖于字符匹配，无法捕捉文本的语义信息。

2.5 接口设计与实现过程

类设计与实现过程

1. 文件处理类 (FileHandler)

设计目的

FileHandler 类的主要目的是封装文件操作，以便于读取和写入文本文件。通过将文件操作集中在一个类中，代码变得更加模块化，便于维护和重用。

实现过程

• 读取文件：

  • 使用 Files.readAllBytes 方法读取文件内容，并转换为字符串。
  • 处理可能的 IOException，确保文件读取的安全性。

• 写入文件：

  • 使用 Files.writeString 方法将内容写入文件。添加了 StandardOpenOption.APPEND 选项以确保内容被追加，而不是覆盖。
  • 添加换行符，确保每次追加内容都在新的一行开始。

2. 相似度计算类 (SimilarityCalculator)

设计目的

SimilarityCalculator 类专注于计算文本之间的相似度，主要采用最长公共子序列（LCS）算法。将相似度计算逻辑与文件处理分开，有助于清晰地划分责任。

实现过程

• 计算相似度：

  • 定义 calculateSimilarity 方法，接收两个字符串参数（原始文本和抄袭文本）。
  • 调用 longestCommonSubsequence 方法计算 LCS 长度。
  • 使用公式计算相似度，并通过 DecimalFormat 确保结果保留两位小数。

• LCS 算法实现：

  • 使用两个一维数组 prev 和 curr，将空间复杂度优化为 O(n)。
  • 通过动态规划遍历两个字符串，更新数组以计算 LCS 长度。

主程序类 (PaperCheck)

设计目的

PaperCheck 类作为程序的入口，负责协调文件处理和相似度计算的工作。它集成了其他两个类，形成完整的程序。

实现过程

• 主方法：
  • 在 main 方法中创建 FileHandler 和 SimilarityCalculator 的实例。
  • 调用 FileHandler 的 readFile 方法读取原始文本和抄袭文本。
  • 调用 SimilarityCalculator 的 calculateSimilarity 方法计算相似度。
  • 将相似度结果格式化并写入输出文件，同时打印到控制台。

三、测试与性能分析

3.1 测试

LCE算法优化：

-之前的实现：使用了一个二维数组 dp，其大小为 m x n，其中 m 和 n 是两个字符串的长度。这在处理较大字符串时，会占用大量内存。
-优化后的实现：只使用两个一维数组prev和curr，分别存储当前行和上一行的状态。这样，空间复杂度从O(m*n)降低到O(n)，显着减少了内存使用。
运行时JProfiler分析

覆盖率

部分测试样例：测试LCS算法实现，主要通过正常参数和空参数进行测试

可能的异常

命令行参数不规则

直接判断处理

文本文件为空

直接判断然后结束程序