MLCQ: Industry-relevant code smell data set

The MLCQ data set with nearly 15000 code samples was created by software developers with professional experience who reviewed industry-relevant, contemporary Java open source projects. We expect that this data set should stay relevant for a longer time than data sets that base on code released years ago and, additionally, will enable researchers to investigate the relationship between developers' background and code smells' perception. If you use this data set please cite the following paper: Lech Madeyski and Tomasz Lewowski. MLCQ: Industry-relevant code smell data set. In Evaluation and Assessment in Software Engineering (EASE2020), April 15–17, 2020, Trondheim, Norway.ACM, New York, NY, USA, 6 pages, DOI: 3383219.3383264 URL: https://doi.org/10.1145/3383219.3383264 Note: Pre-print should be available soon from http://madeyski.e-informatyka.pl

拥有近15000个代码样本的MLCQ数据集，由具备专业从业经验的软件开发人员构建，上述人员审阅了与工业界相关的当代Java开源项目。我们认为，相较于基于多年前发布的代码构建的数据集，本数据集的时效性将维持更长时间；此外，该数据集还可支持研究人员探究开发者背景与代码异味（code smells）认知之间的关联。若您使用本数据集，请引用以下论文：莱赫·马德伊斯基（Lech Madeyski）与托马斯·莱沃夫斯基（Tomasz Lewowski）。《MLCQ：适配工业场景的代码异味数据集》。收录于《软件工程中的评估与测评（EASE2020）》，2020年4月15日至17日，挪威特隆赫姆。ACM，美国纽约州纽约市，共6页，DOI: 3383219.3383264，URL: https://doi.org/10.1145/3383219.3383264。注：预印本即将于http://madeyski.e-informatyka.pl 发布。

搜集汇总

背景与挑战

背景概述

MLCQ是一个包含近15000个代码样本的代码异味数据集，由专业软件开发人员基于当代Java开源项目创建，旨在提供长期相关性并支持开发者背景与代码异味感知关系的研究。