数据集概述
本数据集是IJCAI2024待审论文《GTE: A Framework for Learning Code AST Representation Efficiently and Effectively》的在线资源库，包含论文相关的源代码和附录文档，为理解GTE框架提供支持。
文件详解
- 实验数据文件（.zip格式）：
- Project_CodeNet_Python800_RATIO6-2-2.zip：Python代码数据集
- Project_CodeNet_C++1400_RATIO6-2-2.zip：C++代码数据集（1400样本）
- Project_CodeNet_Java250_RATIO6-2-2.zip：Java代码数据集（250样本）
- Project_CodeNet_C++1000_RATIO6-2-2.zip：C++代码数据集（1000样本）
- Java_MINsample200_MAXline200_Accepted_RATIO8-1-1.zip：Java代码数据集（200样本）
- 源代码文件：
- GTE-main.zip：GTE框架源代码
- 附录文档：
- Appendix.pdf：PDF格式，包含数据集和探测任务设计的详细说明
适用场景
- 代码表示学习研究：用于AST表示学习方法的实验复现与验证
- 程序分析研究：探索代码结构表示对程序分析任务的影响
- 深度学习框架应用：研究GTE框架在代码相关任务中的性能
- 论文辅助理解：通过附录文档深入理解实验设计细节
