数据集概述
本数据集用于硕士论文“LLMs for Code Comment Consistency”，涵盖Go、Java、JavaScript、TypeScript、Python五种语言，从GitHub开源项目提取。包含函数/方法代码块与其文档注释的变更前后配对数据，通过标签区分注释是否变更（0未变更、1变更），变更标签对应注释与新代码不一致的情况，适用于代码注释相关研究。
文件详解
- 压缩文件
- 文件名称：code_comment.zip
- 文件格式：ZIP
- 字段映射介绍：包含多语言（Go、Java、JavaScript、TypeScript、Python）的函数/方法代码块与文档注释配对数据，记录变更前后内容，附带分类标签（0表示注释未变更，1表示注释变更），数据按语言和正负类平衡划分训练、验证、测试集，同一代码仓库仅存在于一个集合中。
数据来源
GitHub公开项目
适用场景
- 代码注释一致性检测: 利用标签数据训练模型识别注释与代码是否一致。
- 代码注释生成优化: 基于变更前后数据改进注释生成模型的准确性。
- 软件工程研究: 分析多语言代码注释的变更规律和一致性问题。
- 大语言模型训练: 为代码相关LLM任务提供多语言注释-代码配对数据支持。
