Jhotdraw 数据集卡片

数据集概要

在编程语言中，标识符是指代语言实体的标记（也称为符号）。标识符可能表示的实体种类包括变量、类型、标签、子程序和包。

Jhotdraw 是一个用于标识符分割的数据集，即在标识符内添加单词之间的空格的任务。

语言

• Java

数据集结构

数据实例

{
    "index": 0,
    "identifier": "abstractconnectorserializeddataversion",
    "segmentation": "abstract connector serialized data version"
}

数据字段

• index：一个数字索引。
• identifier：原始标识符。
• segmentation：标识符的黄金分割。

数据集创建

• 此配置文件中的所有hashtag分割和标识符分割数据集具有相同的基本字段：hashtag和分割或标识符和分割。

• hashtag和分割或标识符和分割之间的唯一区别是空格字符。拼写检查、扩展缩写或将字符更正为大写字母的操作放在其他字段中。

• 字母数字字符和任何特殊字符序列（如_面、:、~）之间始终有空格。

• 如果有任何命名实体识别和其他标记分类任务的注释，则在spans字段中给出。

其他信息

引用信息

@inproceedings{madani2010recognizing,
  title={Recognizing words from source code identifiers using speech recognition techniques},
  author={Madani, Nioosha and Guerrouj, Latifa and Di Penta, Massimiliano and Gueheneuc, Yann-Gael and Antoniol, Giuliano},
  booktitle={2010 14th European Conference on Software Maintenance and Reengineering},
  pages={68--77},
  year={2010},
  organization={IEEE}
}

贡献

此数据集由 @ruanchaves 在开发 hashformers 库时添加。