.png){kind=icon}
返回
CodeLabeller: A Web-Based Code Annotation Tool for Java Design Patterns and Summaries
.png){kind=icon}
OA
AI
DOI：10.1142/s0218194023500213.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在构建监督学习模型时，我们需要标注样例来构建语料库和训练机器学习模型。然而，大多数研究是手动构建标注数据集，这在许多情况下是一项艰巨的任务。为缓解这一问题，我们开发了一个名为CodeLabeller的在线工具。CodeLabeller是一个基于网络的工具，旨在通过改进整个数据收集过程，为大规模处理监督学习方法中的源代码文件标注过程提供高效方法。CodeLabeller通过构建一个包含超过一千个源文件的语料库进行测试，该语料库源自大量开源Java项目，并对每个Java源文件标注其相应的设计模式与摘要。二十-five位软件工程领域的专家参与了使用标准用户体验问卷（User Experience Questionnaire）的在线可用性评估。调查结果显示，该工具在享乐质量和实用质量标准上达到“良好”水平，易于使用，并满足为监督分类器标注语料库的需求。除了协助研究人员通过众包方式构建标注数据集外，该工具在软件工程教育中具有实际应用价值，并有助于为软件制品构建专家评分。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息