GitHub链接
作业要求
这个作业属于哪个课程 | 工程概论 |
---|---|
这个作业要求在哪里 | 个人项目(第二次作业) |
这个作业的目标 | 在GitHub中实现论文查重程序,并测试 |
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,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。
开发环境
语言:Java 17
工具:VScode
环境:Windows10
项目结构
算法分析
1.设计思路
使用最长公共子序列(LCS)进行论文查重的基本思路是:将两篇论文(或文档)视为两个字符串,并计算它们之间的最长公共子序列。如果这个子序列的长度占其中一个文档的显著部分,则可以认为一个文档可能是对另一个文档的抄袭。这种方法的主要优势在于它可以检测即使在经过重写或部分修改之后的抄袭内容。
2.算法原理
将两篇论文 A 和 B 读入字符串 strA 和 strB。
使用动态规划计算两个字符串之间的LCS长度。
计算重复率,例如:LCS长度 / max(strA的长度, strB的长度)。
3.流程图
计算模块接口部分的性能改进
异常处理
try {
if(!f.exists()) {
f.createNewFile();
}
FileWriter fw = new FileWriter(f);
fw.write("");
fw.flush();
fw.write(String.valueOf(a));
fw.close();
}catch(IOException e) {
e.printStackTrace();
}
测试
PSP 表格记录
PSP2.1 | Personal Software Process Stages | 预估耗时(min) | 实际耗时(min) |
---|---|---|---|
Planning | 计划 | 30 | 25 |
Estimate | 估计这个任务需要多少时间 | 5 | 5 |
Development | 开发 | 50 | 45 |
Analysis | 需求分析 (包括学习新技术) | 20 | 23 |
Design Spec | 生成设计文档 | 20 | 15 |
Design Review | 设计复审 | 5 | 5 |
Coding Standard | 代码规范 | 3 | 3 |
Design | 具体设计 | 20 | 18 |
Coding | 具体编码 | 25 | 30 |
Code Review | 代码复审 | 10 | 10 |
Test | 测试 | 60 | 50 |
Reporting | 报告 | 25 | 30 |
Test Report | 测试报告 | 20 | 20 |
Size Measurement | 计算工作量 | 5 | 8 |
Postmortem & Process Improvement Plan | 事后总结, 并提出过程改进计划 | 8 | 5 |
合计 | 306 | 292 |