项目简介

本数据集是什么？

本数据集是国家重点研发计划“基于大数据的软件智能开发方法和环境”公布的软件工程研究数据集系列之一，主要是对GitHub上Pull-request（PR）评论的类别标注集。

本数据集为什么？

审阅者在审查PR的时候，会以评论的形式留下相关意见。在这些评论中当中往往包含评论者不同的意见。我们依据相关研究和实际调研为这些评论建立了层次化类别体系，根据这个分类体系，我们对PR的评论进行了人工标注。

本数据集有什么？

Rails的一部分PR、PR的评论以及评论的标注。具体表结构如下（采用ARFF语法）：

@RELATION    rails_prj_prs         % pull-request表
@ATTRIBUTE   id                           % 主键
@ATTRIBUTE   title                        % PR在Github上的标题
@ATTRIBUTE   description             % PR在Github上的描述
@ATTRIBUTE   comment_count     % PR的评论数
@ATTRIBUTE   author_name          % PR提交者在Github上的用户名
@ATTRIBUTE   created_at               %  PR的创建时间

@RELATION  rails_prj_comments    % pull-reqeust评论表
@ATTRIBUTE   id                                % 主键
@ATTRIBUTE   pr_id                           % 该评论对应的PR的id
@ATTRIBUTE   author_name              % 评论者在Github的用户名
@ATTRIBUTE   comment_body           % 评论的文本信息
@ATTRIBUTE   comment_type            % 评论的类型(0表示代码级评论；1表示普通评论)

@RELATION  rails_label_history      % 评论标注表
@ATTRIBUTE   id                                % 主键
@ATTRIBUTE   comment_id               % 对应的评论id
@ATTRIBUTE   label                           % 人工标注的类别标号

特别声明