| 這個作業屬於哪個課程 | 計科22級1班 |
|---|---|
| 這個作業要求在哪裡 | 要求 |
| 這個作業的目標 | 設計軟體 |
GitHub連結
PSP表格
| PSP2.1 | Personal Software Process Stages | 預估耗時（分鐘） | 實際耗時（分鐘） |
|---|---|---|---|
| Planning | 計劃 | 30 | 30 |
| Estimate | 估計這個任務需要多少時間 | 200 | 200 |
| Development | 開發 | 500 | 600 |
| Analysis | 需求分析 (包括學習新技術) | 200 | 100 |
| Design Spec | 生成設計文件 | 50 | 60 |
| Design Review | 設計複審 | 50 | 60 |
| Coding Standard | 程式碼規範 (為目前的開發制定合適的規範) | 50 | 20 |
| Design | 具體設計 | 30 | 30 |
| Coding | 具體編碼 | 100 | 120 |
| Code Review | 程式碼複審 | 10 | 20 |
| Test | 測試（自我測試，修改程式碼，提交修改） | 30 | 20 |
| Reporting | 報告 | 30 | 30 |
| Test Repor | 測試報告 | 20 | 10 |
| Size Measurement | 計算工作量 | 10 | 5 |
| Postmortem & Process Improvement Plan | 事後總結, 並提出過程改進計劃 | 20 | 30 |
| 合計 | 1330 | 1335 |
模組的設計
專案結構如下圖
基本思路是海明演算法，透過hanlp模組將檔案分詞，透過MD5演算法來得到雜湊值，然後for計算得到詞頻進行加權，最後合併再降維得到海明距離
效能改進
開始想做餘弦演算法，但是這個知識點沒有現成的資料來進行研究，，於是選擇了更加尋常的simhash演算法，其實感覺使用兩個演算法一起進行的會使得程式的效能更強大
對應效能分析圖
其中消耗最大的演算法是得到雜湊值的getsimhash演算法
單元測試
對應程式碼覆蓋率
測試程式碼
主程式測試程式碼
對提供的文字內容進行查重處理
結果如下圖
產生海明距離的程式碼測試
透過simhash演算法進行海明距離的運算
異常處理
對文字內容文字數量的異常
對文字型別的異常
