探索基于大语言模型的架构异味检测数据集

数据集概述

该数据集围绕软件系统中的架构异味（Architectural Smells）检测展开，重点研究Hub-Like Dependency（HL）异味。通过对比Google Gemini 1.5 Pro大语言模型与专业工具Arcan的检测性能，探索大语言模型在架构异味检测、解释及重构建议方面的应用潜力，为解决传统检测方法的局限性提供数据支持。

文件详解

• 文件名称: ECSA-2025-dataset-main.zip
• 文件格式: ZIP (.zip)
• 内容说明: 该压缩文件为数据集的唯一文件，可能包含研究中用于对比实验的代码数据、检测结果、模型输出等相关内容，具体字段及结构需解压后查看。

适用场景

• 软件工程研究: 分析大语言模型在架构异味检测任务中的准确性与效率
• 代码质量评估: 探索自动化检测软件系统Hub-Like Dependency异味的新方法
• 人工智能应用: 研究大语言模型在软件维护与重构领域的实际应用价值
• 工具对比分析: 对比专业架构检测工具与通用大语言模型的性能差异