"code_x_glue_cc_clone_detection_big_clone_bench"的数据集卡片

数据集概述

CodeXGLUE克隆检测-BigCloneBench数据集，可在 https://github.com/microsoft/CodeXGLUE/tree/main/Code-Code/Clone-detection-BigCloneBench 处获取

给定两个代码作为输入，任务是进行二进制分类（0/1），其中1表示语义等效，0表示其他。模型通过F1得分进行评估。我们使用的数据集是BigCloneBench，并按照文章“使用图神经网络和流增强抽象语法树检测代码克隆”进行了过滤。

支持的任务和排行榜

• 语义相似性分类：该数据集可用于训练一个模型，用于分类是否两个给定的Java方法是彼此的克隆。

语言

• Java编程语言

数据集结构

数据实例

"test"的一个示例如下。

{
    "func1": "    @Test(expected = GadgetException.class)\n    public void malformedGadgetSpecIsCachedAndThrows() throws Exception {\n        HttpRequest request = createCacheableRequest();\n        expect(pipeline.execute(request)).andReturn(new HttpResponse(\"malformed junk\")).once();\n        replay(pipeline);\n        try {\n            specFactory.getGadgetSpec(createContext(SPEC_URL, false));\n            fail(\"No exception thrown on bad parse\");\n        } catch (GadgetException e) {\n        }\n        specFactory.getGadgetSpec(createContext(SPEC_URL, false));\n    }\n", 
    "func2": "    public InputStream getInputStream() throws TGBrowserException {\n        try {\n            if (!this.isFolder()) {\n                URL url = new URL(this.url);\n                InputStream stream = url.openStream();\n                return stream;\n            }\n        } catch (Throwable throwable) {\n            throw new TGBrowserException(throwable);\n        }\n        return null;\n    }\n", 
    "id": 0, 
    "id1": 2381663, 
    "id2": 4458076, 
    "label": false
}

数据字段

下面解释了每个配置的每个数据字段。所有拆分之间的数据字段是相同的。

数据拆分

数据集创建

调优理由

[需要更多信息]

来源数据

数据是从IJaDataset 2.0数据集中挖掘得到的。[需要更多信息]

[需要更多信息]

注释

通过使用搜索启发式方法自动识别潜在的克隆，并由三名评委进行手动标注。[需要更多信息]

[需要更多信息]

个人和敏感信息

[需要更多信息]

使用数据的注意事项

数据集的社会影响

[需要更多信息]

偏见讨论

大多数克隆属于类型1和2，类型3和尤其是类型4的克隆很少。

[需要更多信息]

其他已知限制

[需要更多信息]

其他信息

数据集创建者

https://github.com/microsoft ， https://github.com/madlag

授权信息

计算数据使用协议（C-UDA）许可。

引文信息

@inproceedings{svajlenko2014towards,
  title={Towards a big data curated benchmark of inter-project code clones},
  author={Svajlenko, Jeffrey and Islam, Judith F and Keivanloo, Iman and Roy, Chanchal K and Mia, Mohammad Mamun},
  booktitle={2014 IEEE International Conference on Software Maintenance and Evolution},
  pages={476--480},
  year={2014},
  organization={IEEE}
}

@inproceedings{wang2020detecting,
  title={Detecting Code Clones with Graph Neural Network and Flow-Augmented Abstract Syntax Tree},
  author={Wang, Wenhan and Li, Ge and Ma, Bo and Xia, Xin and Jin, Zhi},
  booktitle={2020 IEEE 27th International Conference on Software Analysis, Evolution and Reengineering (SANER)},
  pages={261--271},
  year={2020},
  organization={IEEE}
}

贡献

感谢@madlag（部分也感谢@ncoop57）添加了这个数据集。