ManyTypes4TypeScript : Un ensemble de données complet pour le TypeScript basé sur l'inférence de types séquentiels

Dans cet article, nous présentons ManyTypes4TypeScript, un corpus très volumineux destiné à l'entraînement et à l'évaluation de modèles d'apprentissage automatique pour l'inférence de types basée sur les séquences en TypeScript. Ce jeu de données comprend plus de 9 millions d'annotations de types, réparties sur 13 953 projets et 539 571 fichiers. Il est approximativement 10 fois plus grand que les jeux de données analogues d'inférence de types pour Python, et constitue actuellement le plus grand disponible pour TypeScript. Nous proposons également un accès API au jeu de données, qui peut être intégré à tout tokenizer et utilisé avec n'importe quel modèle d'état de l'art basé sur les séquences. Enfin, nous fournissons une analyse et des résultats de performance pour des modèles d'état de l'art spécifiques au code, afin de servir de base de comparaison. ManyTypes4TypeScript est disponible sur Hugging Face, Zenodo et CodeXGLUE.