软工作业2：C++实现简易论文查重
| 这个作业属于哪个课程 | 计科21级12班 |
|---|---|
| 这个作业要求在哪里 | 个人项目 |
| 这个作业的目标 | 熟悉个人软件开发流程 |
项目Github 点击这里
PSP表
| PSP2.1 | Personal Software Process | 预估耗时（分钟） | 实际耗时（分钟） |
|---|---|---|---|
| Planning | 计划 | 15 | 15 |
| · Estimate | · 估计这个任务需要多少时间 | 15 | 15 |
| Development | 开发 | 550 | 410 |
| · Analysis | · 需求分析 (包括学习新技术) | 180 | 100 |
| · Design Spec | · 生成设计文档 | 50 | 20 |
| · 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) | 30 | 30 |
| · Design | · 具体设计 | 30 | 20 |
| · Coding | · 具体编码 | 120 | 160 |
| · Code Review | · 代码复审 | 60 | 30 |
| · Test | · 测试（自我测试，修改代码，提交修改） | 60 | 40 |
| Reporting | 报告 | 60 | 50 |
| · Test Report | · 测试报告 | 20 | 20 |
| · Size Measurement | · 计算工作量 | 20 | 10 |
| · Postmortem & Process Improvement Plan | · 事后总结, 并提出过程改进计划 | 20 | 20 |
| · 合计 | 625 | 475 |
环境
- Microsoft Visual Studio 2022
- CMake
计算模块接口设计与实现
计算模块是 SimilarityDetection 类的成员函数 double SimilarityDetection::get_similarity()
首先将会对两段文本进行分词，分词使用的库是 cppjieba
分词之后的核心计算算法为余弦相似度算法
double SimilarityDetection::cosine_similarity(const vector<string>& split_origin, const vector<string>& split_target);
这个算法将会对已经分词的文本进行余弦相似度计算
计算公式为 \(cos(\theta)=\frac{a*b}{\mid a\mid\mid b\mid}=\frac{\sum\limits_{i=1}^{n}\left(x_i*y_i\right)}{\sqrt{\sum\limits_{i=1}^{n}(x_i)^2}\sqrt{\sum\limits_{i=1}^{n}(\nu_i)^2}}\)
性能分析
软件性能瓶颈为jieba对象生成和实际计算重复率的部分
在Debug模式下，软件执行时间高达40s
单元测试
针对给定的三组测试数据，均为通过