ruanchaves/binkley

Binkley数据集用于标识符分割任务，即将标识符中的单词分隔开。标识符是编程语言中用于命名语言实体的标记，如变量、类型、标签、子程序和包等。该数据集涉及的语言包括C、C++和Java。数据实例展示了标识符及其分割结果，数据字段包括索引、原始标识符和分割后的标识符。数据集创建过程解释了标识符分割的基本规则，如字母数字字符与特殊字符序列之间始终有空格。

原始信息汇总

数据集概述

数据集描述

数据集总结

• 名称: Binkley
• 目的: 用于标识符分割，即在标识符中添加空格以分隔单词。
• 涉及语言: C, C++, Java

语言

• 主要语言: 代码
• 多语言性: 单语种

数据集结构

数据实例

json { "index": 0, "identifier": "init_g16_i", "segmentation": "init _ g 16 _ i" }

数据字段

• index: 数值索引。
• identifier: 原始标识符。
• segmentation: 标识符的金标准分割。

数据集创建

• 来源: 原始数据
• 任务类别: 结构预测
• 注释创建方式: 专家生成
• 语言创建方式: 机器生成
• 许可证: 未知
• 大小: 未知

附加信息

• 引用信息: 参考文献《Normalizing Source Code Vocabulary》，作者Lawrie, Dawn, Binkley, David, Morrell, Christopher。
• 贡献者: 由@ruanchaves在开发hashformers库时添加。