第一次个人项目作业_论文查重

第一次项目作业

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/Class34Grade23ComputerScience/homework/13477
这个作业的目标	实现一个3000字以上论文查重程序

github连接：

https://github.com/sugarcaneprince/sugarcaneprince

psp表格如下

Process Stages	Process Stages (中文)	（分钟）	（分钟）
Planning	计划	15	10
· Estimate	· 估计这个任务需要多少时间	15	10
Development	开发	215	310
· Analysis	· 需求分析 (包括学习新技术)	30	50
· Design Spec	· 生成设计文档	20	15
· Design Review	· 设计复审	20	10
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	20	10
· Design	· 具体设计	30	45
· Coding	· 具体编码	45	80
· Code Review	· 代码复审	30	60
· Test	· 测试（自我测试，修改代码，提交修改）	20	40
Reporting	报告	80	100
· Test Report	· 测试报告	40	60
· Size Measurement	· 计算工作量	20	20
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	20
	· 合计	310	420

接口的设计和实现过程

• 程序主要分为两个简单的类，一个是用于实现计算模块的辅助工具类，另一个是程序的入口类

• 画出简单的流程图以便于理解

• 

• lcs()是实现文章查重的关键算法，算法主要利用动态规划

• 动态规划的思想，递推公式为：

• s1[i-1] == s2[j-1] → dp[i][j] = dp[i-1][j-1] + 1

• 否则 → dp[i][j] = max(dp[i-1][j], dp[i][j-1])

• 算法高效且避免了恶意重复相同字段而降低重复率的问题，能够高效的得出文章的查重率

计算接口部分的性能改进

• 展示性能分析图

• 

  • 不难看出，lcs()算法的执行就是性能消耗最大的

• 展示lcs()算法的部分耗时

• 

计算模块单元测试展示

由于算法的关键在于lcs()算法，首先对lcs()算法的部分结果进行测试，测试代码如下

@Testpublic void test() {
//        修改System.out.println(Utils.lcs("今天是周日我很开心","今天是周三你很伤心"));
//        增加System.out.println(Utils.lcs("今天是周日我很开心","今天是周日我很开心，明天是周一我很难过"));
//        减少System.out.println(Utils.lcs("今天是周日我很开心","今天是周日"));
//        胡乱打System.out.println(Utils.lcs("今天是周日我很开心","我是计算机科学与技术专业的学生"));}

测试结果如下

• 第一个测试结果，只有“今天是周__很___心”符合结果，6个字符匹配成功
• 第二个测试结果，完全是添加，所以9个字符匹配成功
• 以下结果以此类推，不再赘述

接下来引入测试的文件

测试文件来源于老师发送的测试文档，直接抛出结果

首先测试的是add的文本，测试结果与覆盖率如下，不出意外应该为100%的查重率

事实也确实如此，由于下面所有的代码覆盖率都基本一致，后序就不再截图

接着测试del过的文本，结果如下

dis_1的文本，文本只经过部分简单的修改

dis_2的文本，顺序经过打乱

依然有较高的查重率，所以能表现出lcs()算法的健壮

dis_3的文本，顺序经过较强的打乱

依旧能有67%以上的查重率

有可能出现的异常

// 计算重复率（避免除零错误）
int origLen = origText.length();
double rate = origLen == 0 ? 0 : (double) lcsLength / origLen;

在判断的时候有可能出现除零异常

但是我提前做了错误处理，如果原来的文本为空白文本，那读取出来的字符个数为0，不将0值替换的话，结果将会出现除零异常，res传出的值为null

按照原来的思路的话就不会出现问题