CodeQA：一个用于源代码理解的问题回答数据集
计算与语言
2021-09-20 v1 软件工程
摘要
我们提出CodeQA，一个用于源代码理解目的的自由形式问题回答数据集：给定代码片段和问题，需要生成文本答案。CodeQA包含一个有119,778个问答对的Java数据集和一个有70,085个问答对的Python数据集。为获得自然且忠实的问答，我们实现句法规则和语义分析将代码注释转换为问答对。我们展示了构建过程并对数据集进行系统分析。展示了若干神经基线在我们的数据集上取得的实验结果并进行了讨论。尽管问题回答和机器阅读理解研究快速发展，极少有先前工作关注代码问题回答。这个新数据集可作为源代码理解的有用研究基准。
引用
@article{arxiv.2109.08365,
title = {CodeQA: A Question Answering Dataset for Source Code Comprehension},
author = {Chenxiao Liu and Xiaojun Wan},
journal= {arXiv preprint arXiv:2109.08365},
year = {2021}
}
备注
Findings of EMNLP 2021