論文の概要: STORY2DIFF: A Dataset Linking Real-World User Stories to Code Changes
- arxiv url: http://arxiv.org/abs/2610.39872v1
- Date: Thu, 29 Oct 2026 11:46:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.434258
- Title: STORY2DIFF: A Dataset Linking Real-World User Stories to Code Changes
- Title（参考訳）: STORY2DIFF: 現実世界のユーザストーリーとコード変更をリンクするデータセット
- Abstract要約: STORY2DIFFは、統合されたプルリクエストにリンクされた7,785の英ユーザストーリーのデータセットである。
データセットは、982のパブリックJavaとPythonリポジトリから抽出される。
STORY2DIFFをマイニングするために構築したツールは、レコードの自動抽出を繰り返すために使用できます。
- 参考スコア（独自算出の注目度）: 42.39251441998062
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research on requirements-to-code tasks needs examples in which a genuine requirement is paired with the change that implemented it. Existing user-story collections, however, largely contain isolated or synthetic text. To address this limitation, we present STORY2DIFF, a dataset of 7,785 English user stories linked to merged pull requests from January 2017 to July 2026. The dataset is mined from a set of 982 public Java and Python repositories. Each record in the dataset combines the original issue, extracted Connextra elements, the associated pull request and commit metadata, a file-level diff capturing the code changes introduced by the associated pull request, and the affected files before and after the change. The tool we built to mine STORY2DIFF can be used to repeat the automatic extraction of the records, using different parameters (e.g., a different timeframe). The dataset can support a variety of tasks, including requirement discovery, traceability, change- impact estimation, and requirements-aware code generation. Dataset: https://github.com/riganelli/user-story-mining-pipeline/ releases/tag/V4.0.1. Video: https://youtu.be/qOhXUeyeiTQ.
- Abstract（参考訳）: 要求とコードの間のタスクの研究には、真の要求がそれを実装する変更と組み合わせられるような例が必要である。
しかし、既存のユーザ・ストーリーのコレクションには、主に独立したテキストや合成テキストが含まれている。
この制限に対処するため、2017年1月から2026年7月までに、統合プルリクエストにリンクされた7,785の英ユーザストーリーのデータセットであるSTORY2DIFFを紹介します。
データセットは、982のパブリックJavaとPythonリポジトリから抽出される。
データセットの各レコードは、元のイシュー、抽出されたConnextra要素、関連するプルリクエストとコミットメタデータ、関連するプルリクエストによって導入されたコード変更をキャプチャするファイルレベルの差分、変更前後のファイルを組み合わせる。
STORY2DIFFをマイニングするために構築したツールは、異なるパラメータ(例えば、異なるタイムフレーム)を使用して、レコードの自動抽出を繰り返すために使用できます。
データセットは、要求発見、トレーサビリティ、変更の影響推定、要求対応コード生成など、さまざまなタスクをサポートすることができる。
データセット:https://github.com/riganelli/user-story-mining-pipeline/ Release/tag/V4.0.1
ビデオ: https://youtu.be/qOhXUeyeiTQ.com
関連論文リスト
- Beyond Simple Edits: Composed Video Retrieval with Dense Modifications [96.46069692338645]
多様なビデオセグメントにまたがる細粒度および構成されたアクションをキャプチャする新しいデータセットを提案する。
Dense-WebVid-CoVRは、1.6万のサンプルからできており、修正テキストは既存のものより約7倍多い。
我々は,Cross-Attention (CA) 融合により視覚情報とテキスト情報を統合した新しいモデルを開発した。
論文 参考訳（メタデータ） (2025-08-19T17:59:39Z) - Database-Augmented Query Representation for Information Retrieval [71.41745087624528]
データベース拡張クエリ表現(DAQu)と呼ばれる新しい検索フレームワークを提案する。
DAQuは、元のクエリを複数のテーブルにまたがるさまざまな(クエリ関連の)メタデータで拡張する。
我々はDAQuを多様な検索シナリオで検証し、全体の検索性能を大幅に向上させることを示した。
論文 参考訳（メタデータ） (2024-06-23T05:02:21Z) - CC-GPX: Extracting High-Quality Annotated Geospatial Data from Common Crawl [0.07499722271664144]
Common Crawl (CC) コーパスは2008年以来9.5ペタバイト以上のデータを含む最大のオープンウェブクローリングデータセットである。
本稿では,CC内のGPXファイルから注釈付きユーザ生成トラックを抽出する効率的なパイプラインを提案する。
得られたマルチモーダルデータセットには、人間による記述の1,416ペアと、最新のCCリリース6つのMultiLineStringベクターデータが含まれている。
論文 参考訳（メタデータ） (2024-05-17T18:31:26Z) - Better Synthetic Data by Retrieving and Transforming Existing Datasets [63.875064274379824]
我々は、データセットの自動生成を改善するために、公開データセットをよりよく利用する方法であるDataTuneを紹介した。
多様な言語ベースのタスクセットでは、DataTuneによる微調整言語モデルが改善され、ベースラインが49%向上する。
データセット変換は、多くのタスクにおいて生成されたデータの多様性と難易度を著しく向上させる。
論文 参考訳（メタデータ） (2024-04-22T17:15:32Z) - tasksource: A Dataset Harmonization Framework for Streamlined NLP
Multi-Task Learning and Evaluation [2.869669835645836]
500以上の英語タスクのためのデータセットアノテーションフレームワークとデータセットアノテーションをリリースします。
これらのアノテーションには、すべてのデータセットのインプットやラベルとして使用される列の名前などのメタデータが含まれている。
タスクソースのタスクに対してマルチタスクのテキストエンコーダを微調整し、外部評価において同等の大きさの公開テキストエンコーダよりも優れた性能を示す。
論文 参考訳（メタデータ） (2023-01-14T16:38:04Z) - MK-SQuIT: Synthesizing Questions using Iterative Template-filling [0.0]
我々は、できるだけ少ない人間の入力で、質問/問い合わせペアを合成的に生成するフレームワークを作成します。
これらのデータセットは、自然言語の質問をクエリに変換するために、機械翻訳システムのトレーニングに使用することができる。
論文 参考訳（メタデータ） (2020-11-04T22:33:05Z) - Partially-Aligned Data-to-Text Generation with Distant Supervision [69.15410325679635]
我々はPADTG(Partially-Aligned Data-to-Text Generation)と呼ばれる新しい生成タスクを提案する。
自動的にアノテートされたデータをトレーニングに利用し、アプリケーションドメインを大幅に拡張するため、より実用的です。
我々のフレームワークは、全てのベースラインモデルより優れており、部分整合データの利用の可能性を検証する。
論文 参考訳（メタデータ） (2020-10-03T03:18:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。