数据集概述
本数据集是论文《What do Developers Discuss about Code Comments?》的复现数据包，包含支持研究问题RQ1和RQ2的所有数据文件，涵盖论文附录、标签与主题清单、Stack Exchange查询接口说明，以及LDA分析的输入输出数据、原始问答数据和人工分析分类结果等内容。
文件详解
- 根目录文件
Appendix.pdf：PDF格式，包含论文的补充表格附录Tags-topics.md：MD格式，记录研究中从Stack Overflow选取的标签和从Quora选取的主题（用于RQ1和RQ2）Stack-exchange-query.md：MD格式，Stack Exchange Explorer中提取帖子使用的查询接口说明- RQ1目录
- LDA_input子目录
combined-so-quora-mallet-metadata.csv：CSV格式，用于LDA分析的Stack Overflow和Quora问题数据topic-input.mallet：MALLET工具的输入文件- LDA_output/Mallet子目录
- output_csv子目录
docs-in-topics.csv：CSV格式，每个主题对应的文档数据topic-words.csv：CSV格式，每个主题的最相关词汇topics-in-docs.csv：CSV格式，每个文档的主题概率分布topics-metadata.csv：CSV格式，包含文档元数据和主题概率的文件- output_html子目录
all_topics.html：HTML格式，所有主题的可浏览结果Docs/：存储文档相关HTML文件的目录Topics/：存储主题相关HTML文件的目录- RQ2目录
- datasource_rawdata子目录
quora.csv：CSV格式，经Makar工具预处理后的Quora数据集（已移除HTML标签）stackoverflow.csv：CSV格式，经Makar工具预处理后的Stack Overflow数据集- manual_analysis_output子目录
stackoverflow_quora_taxonomy.xlsx：XLSX格式，包含Stack Overflow和Quora数据的分类结果，含分类体系描述、帖子相关性标注及分类信息
数据来源
论文"What do Developers Discuss about Code Comments?"的复现数据包（RP-commenting-practices-multiple-sources）
适用场景
- 软件开发领域代码注释研究: 分析开发者在Stack Overflow和Quora上关于代码注释的讨论主题与关注点
- 自然语言处理应用: 基于LDA输入输出数据，研究技术社区文本的主题建模方法与效果
- 开发者行为分析: 通过人工分类结果，探究开发者对代码注释的讨论类型与分类特征
- 技术社区数据挖掘: 利用Stack Exchange查询接口说明，复现或扩展技术问答平台的数据提取流程
