第一次个人编程作业

这个作业属于哪个课程 https://edu.cnblogs.com/campus/gdgy/CSGrade22-34/
这个作业要求在哪里 https://edu.cnblogs.com/campus/gdgy/CSGrade22-34/homework/13229
这个作业的目标 1.学习设计项目的PSP表格
2. 学习使用github对代码进行管理
3. 学习使用性能分析工具,分析代码的性能

github仓库链接:https://github.com/wWchao-111/3122004587/tree/master

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 25
· Estimate · 估计这个任务需要多少时间 15 25
Development 开发 870 960
· Analysis · 需求分析 (包括学习新技术) 255 285
· Design Spec · 生成设计文档 35 35
· Design Review · 设计复审 45 50
· Coding Standard · 代码规范 (为目前的开发制定合适的规范) 15 20
· Design · 具体设计 55 60
· Coding · 具体编码 350 365
· Code Review · 代码复审 45 55
· Test · 测试(自我测试,修改代码,提交修改) 70 90
Reporting 报告 105 110
· Test Repor · 测试报告 65 55
· Size Measurement · 计算工作量 25 30
· Postmortem & Process Improvement Plan · 事后总结, 并提出过程改进计划 15 25
· 合计 990 1095

需求分析

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

1.1、整体流程

1.2、类

MainPaperCheck:main 方法所在的类
HammingUtils:计算海明距离的类
SimHashUtils:计算 SimHash 值的类
TxtIOUtils:读写 txt 文件的工具类
ShortStringException:处理文本内容过短的异常类

1.3、核心算法

simhash+海明距离
具体可参考:
SimHash 原理与实现

2、接口的设计和实现

2.1、读写 txt 文件的模块

类:TxtIOUtils
包含了两个静态方法:
1、readTxt:读取txt文件
2、writeTxt:写入txt文件
实现:都是调用 Java.io 包提供的接口,比较简单,这里省略。

2.2、SimHash 模块(核心模块)

类:SimHashUtils
包含了两个静态方法:
1、getHash:传入String,计算出它的hash值,并以字符串形式输出,(使用了MD5获得hash值)
2、getSimHash:传入String,计算出它的simHash值,并以字符串形式输出,(需要调用 getHash 方法)
getSimHash 是核心算法

2.3、main 主模块

main 方法的主要流程:
从命令行输入的路径名读取对应的文件,将文件的内容转化为对应的字符串
由字符串得出对应的 simHash值
由 simHash值求出相似度
把相似度写入最后的结果文件中
退出程序

3、接口部分的性能改进

3.1、性能分析

Overview

方法的调用情况

从分析图可以看到:
调用次数最多的是com.hankcs.hanlp包提供的接口, 即分词、取关键词与计算词频花费了最多的时间。

4、单元测试

4.1、读写 txt 文件的模块 的测试

基本思路:
1、测试正常读取
2、测试正常写入
3、测试错误读取
4、测试错误写入
4.2、主测试 MainTest代码

4.3结果文件:

感悟:

本次项目给我最大的收获就是学习了如何进行项目的单元测试,本次项目接触到了一些专业化的工具,可以更好地进行代码的测试。

posted @   wdblzs111  阅读(25)  评论(0编辑  收藏  举报
努力加载评论中...
点击右上角即可分享
微信分享提示