作业要求
| 工程概论 | 班级链接 |
|---|---|
| 作业要求 | 作业的要求链接 |
| 作业的目标 | 熟悉查重代码 |
PSP表格
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟） | 实际耗时（分钟 |
|---|---|---|---|
| Planning | 计划 | 15 | 15 |
| Estimate | 估计这个任务需要多少时间 | 3 | 1 |
| Development | 开发 | 10 | 15 |
| Analysis | 需求分析 (包括学习新技术) | 5 | 5 |
| Design Spec | 生成设计文档 | 2 | 2 |
| Design Review | 设计复审 | 5 | 5 |
| Coding Standard | 代码规范 (为目前的开发制定合适的规范) | 15 | 15 |
| Design | 具体设计 | 45 | 60 |
| Coding | 具体编码 | 45 | 60 |
| Code Review | 代码复审 | - | - |
| Test | 测试（自我测试，修改代码，提交修改） | 20 | 25 |
| Reporting | 报告 | 30 | 45 |
| Test Repor | 测试报告 | 10 | 10 |
| Size Measurement | 计算工作量 | 15 | 15 |
| Postmortem & Process Improvement Plan | 事后总结, 并提出过程改进计划 | 5 | 5 |
| 合计 | 225 | 278 |
需求
| 语言 | Java |
| 目标 | 对输入的两个文件进行查重 |
| 输出 | 命令行显示，并存入文件 |
| 要求 | 根据余弦相似度算法计算出相似度，并存入文件 |
计算模块接口的设计与实现过程
1.文本处理
使用空格分隔文本
2.获取特征向量
并用分隔后得到的单词，利用hashmap,将关键字作为key，计算value查出词频
3.计算余弦相似度
用两个向量的点积除以两个向量模的乘积
优缺点：
速度快，代码简单，但由于无法分割中文词语，只能查重英语论文
接口的设计
main函数为主函数,calculate为计算余弦相似度函数,createword进行计算词频,read为读取文本,write为写入文本
计算模块接口部分的性能改进
性能改进的思路为优化正则表达式，以此能识别更多种类的论文
(消耗最大)读取文件内容使用时间：1ms（为读取文件函数read）
计算相似度使用时间：0ms
计算模块部分异常处理说明
当用户输入错误的文件名，程序会抛出异常，进行报错
如图:
