数据集概述
该数据集为MSR-2026代码挖掘挑战赛提案提供支持，包含从GitHub挖掘的五万九千二百七十八个Ecore文件及八万六千八百二十七个提交版本，覆盖三千五百三十七个仓库。数据以压缩包和数据库形式组织，含元模型文件、数据库恢复脚本及分析工具。
文件详解
- 数据库恢复文件：
- restore.sql：SQL脚本文件，用于恢复数据库，需修改文件路径配置
- 3382.dat：数据文件，存储metamodels表数据
- 3381.dat：数据文件，存储versions表数据
- toc.dat：数据库恢复相关数据文件
- 元模型文件：
- metamodels.zip：压缩文件，包含从GitHub挖掘的元模型及版本文件，按仓库层级存储，文件名后缀数字表示版本号
- 分析工具：
- EMFAnalyzer.zip：压缩文件，含元模型初步分析工具
- 数据结构说明：
- datastructure.txt：文本文件，记录metamodels和versions表的字段结构
- Docker容器文件：
- metamodels.tar：Docker镜像文件，用于快速搭建数据库环境
适用场景
- 代码挖掘研究：分析元模型版本演化规律及提交行为特征
- 软件工程分析：探究GitHub仓库中元模型的分布与维护模式
- 数据库恢复实践：验证PostgreSQL数据库批量数据导入流程
- 代码分析工具开发：基于EMFAnalyzer扩展元模型分析功能
