评估 Sentence-BERT 用于代码注释分类的性能与效率
软件工程
2025-06-16 v1
摘要
本工作评估了 Sentence-BERT 用于多标签代码注释分类任务的性能，该任务旨在在推理期间控制效率约束的同时最大化分类性能。使用包含 13,216 条标记注释句子的数据集，对 Sentence-BERT 模型进行微调并结合不同的分类头来识别注释类型。虽然较大的模型在 F1 分数上优于较小的模型，但后者在运行时和 GFLOPS 方面表现出色。结果表明，在合理的 F1 提升(+0.0346)和最小的效率降低(+1.4 倍运行时间和 +2.1 倍 GFLOPS)之间找到了平衡。
关键词
引用
@article{arxiv.2506.08581,
title = {Evaluating the Performance and Efficiency of Sentence-BERT for Code Comment Classification},
author = {Fabian C. Peña and Steffen Herbold},
journal= {arXiv preprint arXiv:2506.08581},
year = {2025}
}
备注
4th Intl. Workshop on NL-based Software Engineering (NLBSE)