Defectors:一个用于缺陷预测的大型多样化 Python 数据集
软件工程
2023-07-26 v4
摘要
缺陷预测一直是一个热门研究课题,机器学习(ML)与深度学习(DL)在其中有着大量应用。然而,这些基于 ML/DL 的缺陷预测模型常受限于其数据集的质量与规模。本文中,我们提出 Defectors,一个用于即时与行级缺陷预测的大型数据集。Defectors 包含约 21.3 万份源代码文件(约 9.3 万份有缺陷、约 12 万份无缺陷),横跨 24 个流行 Python 项目。这些项目来自 18 个不同领域,包括机器学习、自动化与物联网。如此的规模与多样性使 Defectors 成为训练 ML/DL 模型尤其是需要大型多样化数据集的 transformer 模型的合适数据集。我们也预见了我们的数据集在缺陷预测与缺陷解释等多个应用方向。数据集链接:https://doi.org/10.5281/zenodo.7708984
引用
@article{arxiv.2303.04738,
title = {Defectors: A Large, Diverse Python Dataset for Defect Prediction},
author = {Parvez Mahbub and Ohiduzzaman Shuvo and Mohammad Masudur Rahman},
journal= {arXiv preprint arXiv:2303.04738},
year = {2023}
}