发布 MCMD 数据集, 应用在 版本控制、代码分析 领域

本次发布的数据集 MCMD, 该数据集名为MCMD，它从GitHub上排名前100的星标仓库中收集了五种编程语言（Java、C#、C++、Python、JavaScript）的提交记录。在去除冗余和噪声信息后，确保了每种语言都有平衡的样本，即每种语言保留45万个提交。每个提交记录包含了代码差异、提交信息、仓库名称以及时间戳。此外，该数据集还采用了结构化方式来表示使用token-level变更动作的细粒度代码变化。规模上，每种编程语言都包含了45万个提交。该数据集的任务是生成提交信息。

查看MCMD

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。