个人项目1：文章查重

Posted 2021-09-21 苍石渡

这个作业属于哪个课程	https://edu.cnblogs.com/campus/gdgy/Internationalcourseincomputationalscienceandtechnology
这个作业要求在哪里	https://edu.cnblogs.com/campus/gdgy/Internationalcourseincomputationalscienceandtechnology/homework/12187
这个作业的目标	实现论文查重算法，学习PSP使用，熟练github操作

Github仓库链接：
https://github.com/JudgeDu/JadeDu/tree/main/3119009467

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	600	510
Analysis	需求分析 (包括学习新技术)	200	230
Design Spec	生成设计文档	30	40
Design Review	设计复审	15	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	120	100
Coding	具体编码	400	420
Code Review	代码复审	30	60
Test	测试（自我测试，修改代码，提交修改）	30	30
Reporting	报告	120	180
Test Repor	测试报告	30	30
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	15	15
Sum up	合计	1650	1695

计算模块接口部分的性能

如上

设计思路
我在网上进行了相关学习后决定使用计算余弦值的方法。如下
用jieba切割句子，成为一个个单独的字或词

为词赋值，将其转化为单位向量，并且计算余弦值，然后判断重复率

测试结果

如上

异常处理说明

如上