软件工程第二次作业

Xiao_Long666gg

已于 2023-03-08 19:26:57 修改

阅读量189

点赞数

文章标签：软件工程

于 2023-03-07 17:12:28 首次发布

本文链接：https://blog.csdn.net/qq_62337721/article/details/129386379

版权

该文描述了一个使用Java17和IntellijIDEA开发的论文查重算法，基于N-gram（此处为5-gram）序列来计算原文和抄袭版论文的相似度。程序通过命令行参数接收输入文件，并使用JUnit进行单元测试，JProfiler进行性能分析。测试结果显示不同篡改程度的论文重复率在0.16至0.81之间。

摘要由CSDN通过智能技术生成

gitCode 仓库地址：Xiao_Long666gg / 3121005319 · GitCode

这个作业属于哪个课程	广工23软件工程社区
这个作业要求在哪里	个人项目作业-论文查重
这个作业的目标	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
其他文献参考	无

开发环境

编译语言：Java 17
IDE：Intellij IDEA 2021.3.2
单元测试：JUnit 4.12
性能分析工具：JProfiler 9.2

流程设计

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( 提取码：oogi)，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	30	30
· Estimate	· 估计这个任务需要多少时间	10	10
Development	开发	120	150
· Analysis	· 需求分析 (包括学习新技术)	50	40
· Design Spec	· 生成设计文档	40	40
· Design Review	· 设计复审	20	20
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	10	5
· Design	· 具体设计	20	15
· Coding	· 具体编码	150	160
· Code Review	· 代码复审	20	30
· Test	· 测试（自我测试，修改代码，提交修改）	20	25
Reporting	报告	15	30
· Test Repor	· 测试报告	12	15
· Size Measurement	· 计算工作量	25	15
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	15	20
	· 合计	650	715

代码解释

代码结构

readFile方法读取文本文件的内容并将其作为字符串返回。
splitString方法生成给定长度的N-gram序列。在这里，我们选择N = 5，但可以根据需要更改。
calculate方法计算原始文本和抄袭版文本之间的相似度。首先，我们生成原始文本和抄袭版文本的N-gram序列。接下来，我们计算在原始文本中找到的N-gram在抄袭版文本中是否存在。最后，我们将找到的匹配数量除以原始文本的N-gram总数，以获得相似度得分。

public static double calculate(String originalText, String modifiedText){
    int totalSame=0;
    ArrayList<String> originItems=splitString(originalText,5);//修改前的子串
    ArrayList<String> modifiedItems=splitString(modifiedText,5);//修改后的字串
    for (String originItem:originItems) {
        if (modifiedItems.contains(originItem)){//原文子串和修改后的字串做对比
            totalSame++;
        }
    }
return (double) totalSame/originItems.size();
}