davidgaofc/techdebt_label

该数据集techdebt_label是从The Technical Debt Dataset衍生而来，专门用于技术债务分析。数据集包含两个主要特征：Diff（差异）和Message（消息），均为字符串格式。数据集分为训练集和测试集，分别包含8793和2199个样本。数据集的标签通过SonarQube软件生成，并与代码提交中的差异和相关消息匹配。需要注意的是，该数据集存在样本量有限和标签多样性不足的问题，且数据提取的查询正在进一步验证中。

原始信息汇总

数据集详情

配置

• 默认配置 (default)
  • 数据文件:
    • 训练集 (train): 路径 data/train-*
    • 测试集 (test): 路径 data/test-*

数据集信息

• 特征:
  • Diff: 数据类型 string
  • Message: 数据类型 string
• 数据分割:
  • 训练集 (train):
    • 字节数: 5042681
    • 样本数: 8793
  • 测试集 (test):
    • 字节数: 1259287
    • 样本数: 2199
• 下载大小: 1824024 字节
• 数据集大小: 6301968 字节

数据集细节和结构

• 标签由 SonarQube 软件提供，并与提交消息中的差异匹配。差异仅包含添加的代码行。

偏差、风险和限制

• 注意数据集样本量有限且标签种类有限。数据提取查询仍在检查中以确保正确性。

推荐

• 数据集正在不断改进中，请在使用时注意。