ytzi/racket-macro-instr-generated

该数据集包含多个特征字段，如blob_id、branch_name、committer_date等，涵盖了代码库的元数据、文件内容、许可证信息、时间戳等。数据集主要用于存储与代码库相关的信息，可能用于代码分析、许可证检测等任务。数据集包含一个训练集，大小为223694766字节，包含9750个样本。

The dataset includes multiple fields related to code repositories, such as blob_id, branch_name, committer_date, etc., covering aspects like code content, licenses, languages, timestamps, and more. The dataset is divided into a training set (train) with 9750 samples and a total size of 223694766 bytes. The dataset configuration is named default, with data file paths as data/train-*.

原始信息汇总

数据集概述

数据集信息

特征

• blob_id: 字符串
• branch_name: 字符串
• committer_date: 时间戳（纳秒）
• content: 字符串
• content_id: 字符串
• detected_licenses: 字符串序列
• directory_id: 字符串
• extension: 字符串
• filename: 字符串
• fork_events_count: 64位整数
• gha_created_at: 时间戳（纳秒）
• gha_event_created_at: 时间戳（纳秒）
• gha_language: 字符串
• gha_license_id: 字符串
• github_id: 64位浮点数
• has_macro_def: 布尔值
• inspirations: 字符串
• is_generated: 布尔值
• is_vendor: 布尔值
• language: 字符串
• length_bytes: 64位整数
• license_type: 字符串
• path: 字符串
• repo_name: 字符串
• revision_date: 时间戳（纳秒）
• revision_id: 字符串
• snapshot_id: 字符串
• src_encoding: 字符串
• star_events_count: 64位整数
• training_examples: 字符串
• training_examples_prompt_template: 字符串
• visit_date: 时间戳（纳秒）
• training_exmaples_prompt: 列表
  • content: 字符串
  • role: 字符串
• index_level_0: 64位整数

数据分割

• train:
  • 字节数: 223694766
  • 样本数: 9750

数据集大小

• 下载大小: 35238407 字节
• 数据集大小: 223694766 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*