面向软件工程的预训练模型自动分类：以 Hugging Face 数据集为案例研究

软件工程（SE）活动已被预训练模型（PTMs）所革新，这些模型是能够针对特定 SE 任务进行微调的大型机器学习（ML）模型。然而，缺乏专业知识的用户可能需要帮助选择适合当前任务的模型。为解决此问题，Hugging Face（HF）平台通过收集、存储和策划几个模型来简化 PTMs 的使用。尽管如此，平台目前缺乏专为 SE 任务设计的 PTMs 完整分类，即现有的标签更适合通用 ML 类别。本文提出了一种方法来解决这一差距，通过启用 PTMs 对 SE 任务的自动分类。首先，我们利用 HF 的公开数据提取 PTMs 信息，包括模型文档和关联标签。随后，我们采用半自动方法识别 SE 任务及其对应的 PTMs。该方法涉及创建 HF 标签与特定 SE 任务之间的初始映射，利用基于相似性的策略识别具有相关标签的 PTMs。评估显示，模型卡足够信息丰富，可考虑 pipeline 标签对 PTMs 进行分类。此外，我们通过依赖模型名称提供一种 SE 任务与存储 PTMs 之间的映射。