fals3/methods2test_small

微软创建的methods2test数据集，包含了Java JUnit测试用例及其对应的焦点方法。这些数据是从GitHub上的91K个开源Java项目中提取的，共包含780k对JUnit测试用例和焦点方法。该数据集是methods2test数据集的一个较小子集，提供了基于原始源代码的不同上下文级别的访问（例如，保留了换行符）。测试用例和相关类也可用。该子集是通过从每个91k项目中随机选择一个样本创建的。测试用例和焦点方法之间的映射基于启发式规则和Java开发者的最佳实践。

原始信息汇总

数据集概述

该数据集由Microsoft创建，包含Java JUnit测试用例及其对应的焦点方法。数据集包含78万个JUnit测试用例和焦点方法对，这些对是从GitHub上托管的9.1万个Java开源项目中提取的。这是一个较小的组合版本子集，提供了基于原始源代码的不同上下文级别（例如，保留换行符）的便捷访问。测试用例及其关联类也提供。

数据集配置

数据集包含多个配置，每个配置包含训练、测试和验证数据文件。以下是各配置的详细信息：

配置 fm

• 特征:
  • id: 字符串
  • text: 字符串
• 分割:
  • train: 4696431字节, 7440个样本
  • test: 642347字节, 1017个样本
  • validation: 662917字节, 953个样本
• 下载大小: 2633268字节
• 数据集大小: 6001695字节

配置 fm+fc

• 特征:
  • id: 字符串
  • text: 字符串
• 分割:
  • train: 5387123字节, 7440个样本
  • test: 738049字节, 1017个样本
  • validation: 757167字节, 953个样本
• 下载大小: 2925807字节
• 数据集大小: 6882339字节

配置 fm+fc+c

• 特征:
  • id: 字符串
  • text: 字符串
• 分割:
  • train: 5906873字节, 7440个样本
  • test: 820149字节, 1017个样本
  • validation: 824441字节, 953个样本
• 下载大小: 3170873字节
• 数据集大小: 7551463字节

配置 fm+fc+c+m

• 特征:
  • id: 字符串
  • text: 字符串
• 分割:
  • train: 11930672字节, 7440个样本
  • test: 1610045字节, 1017个样本
  • validation: 1553249字节, 953个样本
• 下载大小: 5406454字节
• 数据集大小: 15093966字节

配置 fm+fc+c+m+f

• 特征:
  • id: 字符串
  • text: 字符串
• 分割:
  • train: 12722890字节, 7440个样本
  • test: 1713683字节, 1017个样本
  • validation: 1654607字节, 953个样本
• 下载大小: 5753116字节
• 数据集大小: 16091180字节

配置 fm+fc+c+m+f+t+tc

• 特征:
  • id: 字符串
  • source: 字符串
  • target: 字符串
• 分割:
  • train: 18332635字节, 7440个样本
  • test: 2461169字节, 1017个样本
  • validation: 2510969字节, 953个样本
• 下载大小: 8280985字节
• 数据集大小: 23304773字节

配置 fm+fc+c+m+t+tc

• 特征:
  • id: 字符串
  • source: 字符串
  • target: 字符串
• 分割:
  • train: 17537661字节, 7440个样本
  • test: 2357359字节, 1017个样本
  • validation: 2409506字节, 953个样本
• 下载大小: 8178222字节
• 数据集大小: 22304526字节

配置 fm+fc+c+t+tc

• 特征:
  • id: 字符串
  • source: 字符串
  • target: 字符串
• 分割:
  • train: 11445562字节, 7440个样本
  • test: 1565365字节, 1017个样本
  • validation: 1676986字节, 953个样本
• 下载大小: 5944482字节
• 数据集大小: 14687913字节

配置 fm+fc+t+tc

• 特征:
  • id: 字符串
  • source: 字符串
  • target: 字符串
• 分割:
  • train: 10923038字节, 7440个样本
  • test: 1483265字节, 1017个样本
  • validation: 1609296字节, 953个样本
• 下载大小: 5715335字节
• 数据集大小: 14015599字节

配置 fm+t

• 特征:
  • id: 字符串
  • source: 字符串
  • target: 字符串
• 分割:
  • train: 8889443字节, 7440个样本
  • test: 1207763字节, 1017个样本
  • validation: 1336798字节, 953个样本
• 下载大小: 4898458字节
• 数据集大小: 11434004字节

配置 fm_indented

• 特征:
  • id: 字符串
  • text: 字符串
• 分割:
  • train: 5054397字节, 7440个样本
  • test: 692948字节, 1017个样本
  • validation: 714462字节, 953个样本
• 下载大小: 2703115字节
• 数据集大小: 6461807字节

配置 t

• 特征:
  • id: 字符串
  • source: 字符串
  • target: 字符串
• 分割:
  • train: 4316096字节, 7440个样本
  • test: 582266字节, 1017个样本
  • validation: 689647字节, 953个样本
• 下载大小: 2434024字节
• 数据集大小: 5588009字节

配置 t+tc

• 特征:
  • id: 字符串
  • source: 字符串
  • target: 字符串
• 分割:
  • train: 5648321字节, 7440个样本
  • test: 761386字节, 1017个样本
  • validation: 867350字节, 953个样本
• 下载大小: 3024686字节
• 数据集大小: 7277057字节

配置 t_indented

• 特征:
  • id: 字符串
  • source: 字符串
  • target: 字符串
• 分割:
  • train: 4606253字节, 7440个样本
  • test: 623576字节, 1017个样本
  • validation: 734221字节, 953个样本
• 下载大小: 2496661字节
• 数据集大小: 5964050字节

数据集模式

数据集包含多种上下文级别的表示，具体如下：

• fm: 焦点方法
• fm+fc: 焦点方法 + 焦点类名
• fm+fc+c: 焦点方法 + 焦点类名 + 构造函数签名
• fm+fc+c+m: 焦点方法 + 焦点类名 + 构造函数签名 + 公共方法签名
• fm+fc+c+m+f: 焦点方法 + 焦点类名 + 构造函数签名 + 公共方法签名 + 公共字段

每个焦点上下文还提供了测试用例及其类名。