数据集概述
本数据集为722作业项目数据，包含1500条GitHub PR评论标注数据、BERT模型微调代码、训练后的最优模型及评论重要性预测与邮件通知代码，旨在通过LLM模型实现PR评论的重要性过滤，提升代码审查效率。
文件详解
- 数据文件
- 文件名称：1500data.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含3人标注的1500条GitHub PR评论数据，采样自495个项目、超400万条PR，用于模型训练与验证
- 代码文件
- 文件名称：finetuned_BERT_comments_detector.ipynb
- 文件格式：IPYNB
- 字段映射介绍：BERT基础模型微调代码，用于训练PR评论有用性预测模型
- 模型文件
- 文件名称：finetuned_BERT_epoch_5.model
- 文件格式：MODEL
- 字段映射介绍：训练至第5轮的BERT模型，为性能较优的模型版本
- 应用代码文件
- 文件名称：senEmailNoti.ipynb
- 文件格式：IPYNB
- 字段映射介绍：PR评论重要性预测代码，可输出预测结果并通过邮件通知相关人员
- 辅助文件
- 文件名称：Interview Plan.pdf
- 文件格式：PDF
- 字段映射介绍：用户访谈计划文件，用于项目相关的用户调研
数据来源
GitHub Platform
适用场景
- 代码审查效率优化：通过LLM模型过滤PR评论重要性，减少开发者无效评论浏览时间
- 自然语言处理模型训练：基于标注的PR评论数据，开展文本分类模型的训练与验证
- 开发者协作工具改进：结合评论重要性预测与邮件通知功能，优化团队协作流程
- 软件工程研究：分析PR评论的有用性特征，探索代码审查质量提升路径
