第二次作业
| 这个作业属于哪个课程 | 第二次作业 |
|---|---|
| 这个作业要求在哪里 | 作业要求 |
| 这个作业的目标 | 完成论文查重程序 |
Github仓库地址
https://github.com/Simonysc-123/3123004761
| PSP2.1 | Personal Software Process Stages | 预估耗时（分钟 | 实际耗时（分钟） |
|---|---|---|---|
| ·Planning | 计划 | 10 | 15 |
| Estimate | 估计这个任务需要多少时间 | 90 | 120 |
| Development | 开发 | 30 | 30 |
| Analysis | 需求分析 (包括学习新技术) | 30 | 40 |
| Design Spec | 生成设计文档 | 10 | 15 |
| Design Review | 设计复审 | 10 | 10 |
| Coding Standard | 代码规范 (为目前的开发制定合适的规范) | 10 | 10 |
| Design | 具体设计 | 20 | 25 |
| Coding | 具体编码 | 30 | 45 |
| Code Review | 代码复审 | 5 | 5 |
| Test | 测试（自我测试，修改代码，提交修改） | 10 | 10 |
| Reporting | 报告 | 20 | 10 |
| Test Repor | 测试报告 | 10 | 10 |
| Size Measurement | 计算工作量 | 15 | 15 |
| Postmortem & Process Improvement Plan | 事后总结, 并提出过程改进计划 | 10 | 10 |
| 合计 | 310 | 380 |
使用说明
从命令行参数给出：python main.py [原文文件绝对路径] [抄袭版论文的文件绝对路径] [答案文件绝对路径]
重点模块
1. 读取文件：用UTF-8格式读取文件内容；异常处理：读取失败则报错退出
2. 错误排除：读取失败，读取文本为空，路径错误时均有退出报错功能
3.文件预处理：去除常用，无需计入查重的惯用词
4.计算查重度：
- 特征转换：将两文本合并拟合生成TF-IDF矩阵
- 相似度计算：使用余弦相似度比较两个向量
5.主函数：
1.参数校验：必须传入3个参数（原文路径、抄袭文件模式、输出路径）
2.原文处理：读取原文并预处理为标准格式
3.文件匹配：
•直接路径：检查是否为有效文件
4.遍历处理：
•读取抄袭文件 → 预处理 → 计算相似度 → 记录结果
5.结果写入：按文件名:评分格式输出到文件
性能分析
性能分析图
单元测试覆盖率
