软工作业2：个人项目-论文查重-编程知识

软工作业2：个人项目-论文查重

news/2024/11/17 13:42:02/文章来源:https://www.cnblogs.com/fancy-tsang/p/18414837

一、github链接

这个作业属于哪个课程	首页 - 计科22级12班 - 广东工业大学 - 班级博客 - 博客园 (cnblogs.com)
这个作业要求在哪里	个人项目 - 作业 - 计科22级12班 - 班级博客 - 博客园 (cnblogs.com)
这个作业的目标	规范代码编写；学习模块化管理程序功能；学会写单元测试

二、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	10
· Estimate	· 估计这个任务需要多少时间	10	10
Development	开发	230	250
· Analysis	· 需求分析 (包括学习新技术)	20	20
· Design Spec	· 生成设计文档	20	20
· 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)	20	20
· Design	· 具体设计	30	30
· Coding	· 具体编码	60	70
· Code Review	· 代码复审	30	40
· Test	· 测试（自我测试，修改代码，提交修改）	30	30
Reporting	报告	100	120
· Test Repor	· 测试报告	60	70
· Size Measurement	· 计算工作量	20	30
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	20
	· 合计	340	380

三、模块接口的设计与实现过程

编码规范

阿里巴巴开发规范手册

3.1 开发环境

操作系统: Windows
编程语言: JDK 20

3.2 开发工具

Maven包管理工具
IDE: IDEA 2023.1.3
性能分析工具: JProfiler 11.1.4

3.3 项目依赖

JUnit测试框架

3.4 算法设计说明

longestCommonSubsequence (LCS) 算法

动态规划：

使用动态规划来计算 LCS。创建一个二维数组 dp，其中 dp[i][j] 表示前 i 个字符和前 j 个字符的 LCS 长度。
遍历两个字符串的每个字符：
1）如果字符相同，则 LCS 长度为 dp[i-1][j-1] + 1。
2）如果字符不同，则 LCS 长度为 Math.max(dp[i-1][j], dp[i][j-1])，即取左边或上边的最大值。

时间复杂度：

LCS 算法的时间复杂度为 O(m × n)，其中 m 和 n 分别是两个字符串的长度。

空间复杂度：

空间复杂度为 O(m × n)，用于存储动态规划表。如果需要优化空间，可以只保留当前行和上一行的数据。（剪枝）

优点：

1）LCS 算法简单直观，适合用于文本相似度检测。
2）结果能够有效反映文本之间的相似性。

缺点：

1）对于较长的文本，计算复杂度较高，可能导致性能问题。
2）仅依赖于字符匹配，无法捕捉文本的语义信息。

3.5 接口设计与实现过程

类设计与实现过程

1. 文件处理类 (FileHandler)

设计目的

FileHandler 类的主要目的是封装文件操作，以便于读取和写入文本文件。通过将文件操作集中在一个类中，代码变得更加模块化，便于维护和重用。

实现过程

函数1）读取文件：

使用 Files.readAllBytes 方法读取文件内容，并转换为字符串。
处理可能的 IOException，确保文件读取的安全性。

函数2）写入文件：

使用 Files.newBufferedWriter.write 方法将内容写入答案文件，并将输出的答案精确到小数点后两位

2. 相似度计算类 (SimilarityCalculator)

设计目的

SimilarityCalculator 类专注于计算文本之间的相似度，主要采用最长公共子序列（LCS）算法。将相似度计算逻辑与文件处理分开，有助于清晰地划分责任。

实现过程

函数1）计算相似度：

定义 calculateSimilarity 方法，接收两个字符串参数（原始文本和抄袭文本）。
调用 longestCommonSubsequence 方法计算 LCS 长度。
使用公式计算相似度，并通过 DecimalFormat 确保结果保留两位小数。

函数2）LCS 算法实现：

使用两个一维数组 prev 和 curr，将空间复杂度优化为 O(n)。
通过动态规划遍历两个字符串，更新数组以计算 LCS 长度。

3. 主程序类 (PaperPlagiarismChecker)

设计目的

PaperPlagiarismChecker 类作为程序的入口，负责协调文件处理和相似度计算的工作。它集成了其他两个类，形成完整的程序。

实现过程

主方法：

1）在 main 方法中创建 FileHandler 和 SimilarityCalculator 的实例。
2）调用 FileHandler 的 readFile 方法读取原始文本和抄袭文本。
3）调用 SimilarityCalculator 的 calculateSimilarity 方法计算相似度。
4）调用 FileHandler 的 writeFile 方法将相似度结果格式化并写入输出文件，同时打印到控制台。

四、模块接口部分的性能改进

改进计算文本重复率模块性能

LCE算法优化：

-之前的实现：使用了一个二维数组 dp，其大小为 m x n，其中 m 和 n 是两个字符串的长度。这在处理较大字符串时，会占用大量内存。
-优化后的实现：只使用两个一维数组prev和curr，分别存储当前行和上一行的状态。这样，空间复杂度从O(m*n)降低到O(n)，显着减少了内存使用。
运行时JProfiler分析

五、模块部分单元测试展示

以下是以测试 SimilarityCalculator 为例

项目部分单元测试代码

@Test
public void testExactMatch() {SimilarityCalculator calc = new SimilarityCalculator();double similarity = calc.calculateSimilarity("hello", "hello");assertEquals(1.0, similarity, 0.001);
}
@Test
public void testSameCharactersDifferentOrder() {SimilarityCalculator calc = new SimilarityCalculator();double similarity = calc.calculateSimilarity("abc", "cba");assertEquals(0.3333, similarity, 0.001);
}
@Test
public void testPartialMatch() {SimilarityCalculator calc = new SimilarityCalculator();double similarity = calc.calculateSimilarity("hello", "helicopter");assertEquals(0.5333, similarity, 0.001);
}`