数据集概述
本数据集为论文《BEEP: Fine-grained Fix Localization by Learning to Predict Buggy Code Elements》的附属数据，包含BEEP模型在CoCoNut、ManySStuBs4J、Defects4J三个数据集上的预测结果文件，以及训练和评估BEEP的源码压缩包，可用于验证模型的细粒度缺陷定位能力。
文件详解
- 预测结果文件
- 文件名称：prediction_CoCoNut.csv、prediction_ManySStuBs4J.csv、prediction_Defects4J.csv
- 文件格式：CSV
- 字段映射介绍：包含line_num（行号）、part（部分标识）、oracle_pos（真实缺陷位置）、oracle_token（真实缺陷代码元素）、oracle_Op（真实操作类型）、pred_pos（预测位置）、pred_token（预测代码元素）、pred_Op（预测操作类型）、rank（操作路径排名）、del_cnt（删除计数）、element_Rank（缺陷元素排名）、validity（有效性标识）等字段
- 源码文件
- 文件名称：source_code.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含训练和评估BEEP模型的源代码，具体结构需解压后查看
数据来源
论文“BEEP: Fine-grained Fix Localization by Learning to Predict Buggy Code Elements”
适用场景
- 缺陷定位模型评估: 分析BEEP在不同数据集上的缺陷代码元素预测准确率、排名表现等性能指标
- 代码缺陷修复研究: 基于预测结果探索细粒度缺陷定位对自动化代码修复的辅助价值
- 软件质量分析: 结合缺陷元素排名数据，研究代码缺陷的分布规律与影响因素
- 模型复现与优化: 利用源码文件复现BEEP模型，并基于预测结果进行模型改进与调参
