数据集概述
该数据集包含软件相似度学习的后处理数据，涉及软件功能的嵌入表示、软件信息提取结果及软件对的相似度评分数据，支持软件相似度相关研究与分析。
文件详解
- 数据压缩包：
- data.zip：ZIP格式压缩包，可能包含软件功能嵌入与信息提取的原始或处理后数据，如嵌入的软件图表示、函数名称及对应调用函数和函数令牌的信息。
- 相似度评分文件：
- large.csv：CSV格式文件，包含软件对的相似度评分数据，字段包括graph_1（软件1标识）、graph_2（软件2标识）、miniLM（miniLM模型相似度得分）、sbert（SBERT模型相似度得分）、tsdae（TSDAE模型相似度得分）等。
数据来源
SoftwareSim_Github
适用场景
- 软件相似度算法研究：用于测试和比较不同模型（如miniLM、SBERT）在软件相似度计算中的性能。
- 代码复用检测：分析软件间的相似性，识别潜在的代码复用或抄袭情况。
- 软件功能聚类：基于相似度数据对软件功能进行聚类，探索功能相似性分布。
- 软件安全分析：通过相似度分析发现恶意软件与已知样本的关联，辅助恶意代码检测。
