数据集概述
本数据集是APSEC 2025研究论文的配套资源，聚焦于用大语言模型（LLMs）结合上下文学习与本地邻域采样，为GraphCodeBERT的代码克隆检测预测提供可解释性说明，包含核心实现代码、提示词文件及人工验证结果。
文件详解
该数据集为一个压缩文件，解压后包含以下内容：
- 核心实现文件：
- GraphCodeBERT_CloneDetection.ipynb：Jupyter笔记本，含GraphCodeBERT模型搭建与训练、BigCloneBench和Google Code Jam数据集上的克隆检测实验、上下文学习提示词生成及LLM解释 pipeline
- 上下文学习提示词目录（ICL_Prompts）：
- 含10组Google Code Jam代码对（data_GoogleCodeJam_Pair1至Pair10）的提示词子目录
- 每组子目录下有layer_size4.txt至layer_size64.txt共六种不同示例数量的提示词文件，格式为模型描述+数据集示例+查询问题+解释生成指令
- 验证结果文件：
- Manual_Validation_Results.xlsx：人工评估生成解释的质量与标注结果
适用场景
- 代码克隆检测研究：验证GraphCodeBERT模型在不同数据集上的检测性能
- 模型可解释性研究：分析LLM结合上下文学习生成代码克隆检测解释的效果
- 自然语言处理应用：探索大语言模型在技术领域解释任务中的应用潜力
- 软件工程研究：为代码克隆检测工具的可解释性优化提供实验数据支持
