Nanjing University of Science and Technology 发布 NLBSE Code Comment Classification dataset 数据集, 应用在 代码注释分类、自然语言处理 领域

Nanjing University of Science and Technology 本次发布的数据集 NLBSE Code Comment Classification dataset, 该数据集包含了从Java、Python和Pharo的多个项目中提取的代码注释。每一条注释都被分割成句子，并由人工进行标注，同时与提取它们的文件相关联。此外，该数据集在样本分布上并不均衡，负面样本的数量远超正面样本。数据集包含了具有ID、句子文本、类别或文件、分区、类别和实例类型的样本。在规模上，Java和Python每个类别的训练样本大约有2.4K和2.6K，而Pharo每个类别的样本则有大约1.8K。该数据集的任务是对代码注释进行分类。

查看NLBSE Code Comment Classification dataset

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。