stojchet/6-csn_java_python_subset

该数据集包含两种编程语言（Java和Python）的代码函数数据。每个数据条目包括仓库名称、函数路径、函数名称、完整函数字符串、语言、函数代码字符串、函数代码标记、函数文档字符串、函数文档标记、分割名称和函数代码URL。数据集分为训练集，Java配置的训练集包含10507个样本，大小为26984592.92490649字节；Python配置的训练集包含10421个样本，大小为39102470.80267847字节。

This dataset includes function code and documentation information for both Java and Python programming languages. Each configuration contains features such as repository name, function path in repository, function name, whole function string, language, function code string, function code tokens, function documentation string, function documentation tokens, split name, and function code URL. The dataset is divided into a training set, with 10507 examples for the Java configuration and 10421 examples for the Python configuration.

原始信息汇总

数据集概述

数据集配置

• Java

  • 特征:
    • repository_name: string
    • func_path_in_repository: string
    • func_name: string
    • whole_func_string: string
    • language: string
    • func_code_string: string
    • func_code_tokens: sequence of string
    • func_documentation_string: string
    • func_documentation_tokens: sequence of string
    • split_name: string
    • func_code_url: string
  • 分割:
    • train:
      • num_bytes: 26984592.92490649
      • num_examples: 10507
  • 下载大小: 11697774
  • 数据集大小: 26984592.92490649
  • 数据文件:
    • train: java/train-*

• Python

  • 特征:
    • repository_name: string
    • func_path_in_repository: string
    • func_name: string
    • whole_func_string: string
    • language: string
    • func_code_string: string
    • func_code_tokens: sequence of string
    • func_documentation_string: string
    • func_documentation_tokens: sequence of string
    • split_name: string
    • func_code_url: string
  • 分割:
    • train:
      • num_bytes: 39102470.80267847
      • num_examples: 10421
  • 下载大小: 18161176
  • 数据集大小: 39102470.80267847
  • 数据文件:
    • train: python/train-*