数据集概述
本数据集围绕机器学习代码异味检测优化展开，包含20个Java系统中四类代码异味（上帝类、长方法、特性羡慕、拒绝遗赠）的检测结果、多工具标注数据、类与方法级指标，以及持续反馈策略的实验分析文件，支持相关检测性能优化研究。
文件详解
- 指标数据文件：
- metrics.xlsx：Excel格式，包含Java系统的类级和方法级指标数据，用于训练机器学习算法
- 代码异味检测结果文件（CSV格式）：
- GodClass.csv：上帝类代码异味的检测结果数据，含系统、实体及多工具标注信息
- LongMethod.csv：长方法代码异味的检测结果数据，字段包括System、Entity、JDeodorant等工具标注及Total、Agreement
- FeatureEnvy.csv：特性羡慕代码异味的检测结果数据
- RefusedParentBequest.csv：拒绝遗赠代码异味的检测结果数据，字段包括System、Entity、JSpirit等工具标注及Total、Agreement
- 实验分析文档（PDF格式）：
- use_of_instances_from_test_as_feedback.pdf：测试实例作为反馈的使用说明文档
- top_nk.pdf：关于top-nk分析的实验文档
- one_time_general_feedback_result.pdf：一次性通用反馈策略的实验结果文档
- diff_f1_by_badsmell.pdf：不同代码异味F1值差异的分析文档
适用场景
- 软件质量分析：研究代码异味检测工具的性能优化方向
- 机器学习应用：探索持续反馈策略在代码异味检测模型中的效果
- 软件工程研究：分析四类典型代码异味的检测难点与优化路径
- 实验方法验证：验证持续反馈与一次性反馈对检测性能的影响差异
