CoSQA：用于代码搜索与问答的 20,000+ 网络查询
计算与语言
2021-05-28 v1 软件工程
摘要
给定自然语言查询来查找代码有助于提升软件开发者的生产力。未来要在查询与代码之间实现更好的语义匹配，需要更丰富的监督训练资源。为此，我们引入了 CoSQA 数据集，其包含 20,604 对自然语言查询与代码的标注，每对均由至少 3 名人工标注者标注。我们进一步提出一种称为 CoCLR 的对比学习方法以增强查询-代码匹配，该方法作为数据增强器带来更多人工生成的训练样本。我们表明，在 CodeXGLUE 上使用相同的 CodeBERT 模型评估，在 CoSQA 上训练使代码问答准确率提升 5.1%，而引入 CoCLR 带来进一步的 10.5% 提升。
引用
@article{arxiv.2105.13239,
title = {CoSQA: 20,000+ Web Queries for Code Search and Question Answering},
author = {Junjie Huang and Duyu Tang and Linjun Shou and Ming Gong and Ke Xu and Daxin Jiang and Ming Zhou and Nan Duan},
journal= {arXiv preprint arXiv:2105.13239},
year = {2021}
}
备注
ACL 2021 main conference. The CoSQA data and leaderboard are available at https://github.com/microsoft/CodeXGLUE/tree/main/Text-Code/NL-code-search-WebQuery. The code is available at https://github.com/Jun-jie-Huang/CoCLR