Jun, 2024
通过代码度量分析预测计算笔记的易理解性
Predicting the Understandability of Computational Notebooks through Code Metrics Analysis
Mojtaba Mostafavi Ghahfarokhi, Alireza Asadi, Arash Asgari, Bardia Mohammadi, Masih Beigi Rizi...
TL;DR通过利用与代码可读性相关的用户评论，我们提出了一种衡量 Jupyter 笔记本可读性的方法 —— 用户意见代码可读性（UOCU），该方法考虑了相关评论的数量、评论的点赞数、笔记本的浏览量以及笔记本的点赞数。我们还使用机器学习模型仅基于这些指标来预测笔记本代码的可读性，并通过使用随机森林分类器，实现了 89% 的准确率。