Semantic source code labels

Figshare2022-12-07 更新2026-04-28 收录

代码语义理解

软件工程标注

数据链接：

https://figshare.com/articles/dataset/Semantic_source_code_labels/21686273 数据链接链接失效反馈

官方服务：

资源简介：

This is dataset of semantic source code labels.

创建时间：

2022-12-07

CodeT5SmallCAPS/CAPS_Java

代码语义理解

语言处理

--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: code dtype: string - name: code_sememe dtype: string - name: t

Hugging Face2023-07-31 更新100

Semantics_based_source_code_ labels.xlsx

代码语义理解

源代码分类

This is the dataset of semantic labels from all labelled notebooks.

NIAID Data Ecosystem70

Code4ML 2.0

机器学习代码生成

代码语义理解

This is an enriched version of the Code4ML dataset, a large-scale corpus of annotated Python code snippets, competition summaries, and data descriptions sourced from Kaggle. The initial release includ

Zenodo2025-05-19 更新40

AxiomicLabs/NPset-2-Python-Edu

代码语义理解

逻辑推理训练

NPset-2 (Python-Edu) 是一个标准化的半合成Python数据集，用于训练小语言模型在代码逻辑上，而无需处理原始代码语法的开销。它通过基于AST的转换器将Python源代码规范化，去除语法噪声，同时保留程序的完整逻辑结构，生成完全由自然语言标记组成的伪代码表示，使模型能够专注于代码的功能而非形式。

Hugging Face2026-05-07 更新80

mopsa-dataset-debug

程序静态分析

代码语义理解

Mopsa数据集是一个统一的、包含静态分析跟踪、具体执行跟踪以及生成的自然语言跟踪的数据集。数据集的核心是源代码及其对应的多层次语义表示。每个数据样本包含原始源代码、经过清理的Mopsa静态分析跟踪、用于对齐跟踪的代码片段，以及将静态注释与这些代码片段对齐后的结果。此外，数据集还提供了具体的执行跟踪（包括原始和投影后的状态），以及将这些执行状态与代码片段对齐的结果。数据集记录了样本的来源数据集名称

Hugging Face2026-05-12 更新50

Semantic source code labels

资源简介：

相关数据集