SCALAR：标识符的词性标注器
软件工程
2025-04-25 v1 计算与语言
摘要
本文介绍了Source Code Analysis and Lexical Annotation Runtime（SCALAR），这是一款专为映射（标注）源代码标识符名称到其对应的词性序列（语法模式）而设计的工具。SCALAR的内部模型使用scikit-learn的GradientBoostingClassifier进行训练，结合手动精选的标识符名称及其语法模式的oracle。这是一种针对开发人员用于创建各种标识符（如函数名、变量名等）的自然语言独特结构进行专业化标注的tagger。SCALAR的输出与以前版本的tagger以及一款现代通用词性标注器进行比较，展示了其在为标识符标注方面相较于其他tagger的改进。代码已在Github上提供。
引用
@article{arxiv.2504.17038,
title = {SCALAR: A Part-of-speech Tagger for Identifiers},
author = {Christian D. Newman and Brandon Scholten and Sophia Testa and Joshua A. C. Behler and Syreen Banabilah and Michael L. Collard and Michael J. Decker and Mohamed Wiem Mkaouer and Marcos Zampieri and Eman Abdullah AlOmar and Reem Alsuhaibani and Anthony Peruma and Jonathan I. Maletic},
journal= {arXiv preprint arXiv:2504.17038},
year = {2025}
}