北京大学 发布 CodeQA 数据集, 应用在 代码理解、问题回答 领域

北京大学 本次发布的数据集 CodeQA, CodeQA是由北京大学计算机科学技术研究所开发的，专注于源代码理解的问题回答数据集。该数据集包含两个子集：一个包含119,778对Java代码的问题与答案，另一个包含70,085对Python代码的问题与答案。数据集通过将代码注释转换为问题与答案对来生成，确保了问题与答案的自然性和忠实性。CodeQA的应用领域包括教育、软件维护和软件工程任务，如错误检测和代码综合。数据集的创建过程涉及使用语法规则和语义分析，以及对生成的QA对进行系统分析。

查看CodeQA

README 内容： 

关于 北京大学 , 北京大学是中国的一所著名综合性大学，位于北京市，是中国最早建立的现代高等学府之一。它在国内外享有很高的声誉，尤其在人文科学、社会科学、自然科学和工程技术等领域具有重要影响力。

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。