第一次编程作业

一、gitcode链接

gitcode链接： https://gitcode.net/m0_63558298/3121005193k

二、作业基本描述

这个作业属于哪个课程	广工2023软件工程课程社区
这个作业要求在哪里	第一次个人编程作业
这个作业的目标	实现论文查重的编码
其他参考文献	使用simhash以及海明距离判断内容相似程度

三、PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	10	20
Estimate	估计这个任务需要多少时间	1280	1540
Development	开发	240	300
Analysis	需求分析 (包括学习新技术)	240	240
Design Spec	生成设计文档	60	50
Design Review	设计复审	40	30
Coding Standard	代码规范 (为目前的开发制定合适的规范)	40	40
Design	具体设计	300	420
Coding	具体编码	180	240
Code Review	代码复审	30	20
Test	测试（自我测试，修改代码，提交修改）	30	60
Test Repor	测试报告	30	60
Size Measurement	计算工作量	40	40
Postmortem & Process Improvement Plan	事后总结, 并提出过程改进计划	40	20
	合计	1280	1540

四、算法的设计及实现过程

1、整体流程

本项目是使用simhash以及海明距离判断内容相似程度 ，以实现文本的查重，包括五个主要过程：分词、Hash、加权、合并、降维。

2、类

• MainPaperCheck：main 方法所在的类，进行cmd的调用
• 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
• test包：单元测试类

五、性能改进

由各个性能测试图可以得出，单个测试都没有超过5s的，符合要求，性能良好，并不需要改进。
消耗最大的是调用的一个外部的包。

六、单元测试展示

• 单元测试

 @Test
    public void origAndAllTest() {
        String[] str = new String[6];
        str[0] = TxtIOUtils.readTxt("C:\\Users\\16401\\Desktop\\text\\PaperCheck\\测试文本\\orig.txt");
        str[1] = TxtIOUtils.readTxt("C:\\Users\\16401\\Desktop\\text\\PaperCheck\\测试文本\\orig_0.8_add.txt");
        str[2] = TxtIOUtils.readTxt("C:\\Users\\16401\\Desktop\\text\\PaperCheck\\测试文本\\orig_0.8_del.txt");
        str[3] = TxtIOUtils.readTxt("C:\\Users\\16401\\Desktop\\text\\PaperCheck\\测试文本\\orig_0.8_dis_1.txt");
        str[4] = TxtIOUtils.readTxt("C:\\Users\\16401\\Desktop\\text\\PaperCheck\\测试文本\\orig_0.8_dis_10.txt");
        str[5] = TxtIOUtils.readTxt("C:\\Users\\16401\\Desktop\\text\\PaperCheck\\测试文本\\orig_0.8_dis_15.txt");
        String ansFileName = "C:\\Users\\16401\\Desktop\\text\\PaperCheck\\测试文本\\ans.txt";
        for (int i = 0; i <= 5; i++) {
            double ans = HammingUtils.getSimilarity(SimHashUtils.getSimHash(str[0]), SimHashUtils.getSimHash(str[i]));
            TxtIOUtils.writeTxt(ans, ansFileName);
        }
    }

• cmd输入输出
  

• 覆盖率
  

七、异常处理说明

当文本长度过短时，HanLp无法取得关键字，需要抛出异常。

        try{
            if(str.length() < 200) throw new ShortStringException("文本过短！");
        }catch (ShortStringException e){
            e.printStackTrace();
            return null;
        }