Semantic source code labels

Name: Semantic source code labels
Creator: Sivasothy, Shangeetha
Published: 2022-12-07T00:00:00+08:00

Figshare2022-12-07 更新2026-04-08 收录

数据链接：

官方服务：

资源简介：

This is dataset of semantic source code labels.

提供机构：

创建时间：

2022-12-07

该数据集包含了来自AIZU和AtCoder两个公开评测平台的超过1400万份代码样本，为代码分类任务提供了四个大型且具有挑战性的数据集。这些数据集包括Java250、Python800、C++1000以及C++1400。整个数据集规模超过1400万样本，所涉及的任务是代码分类。

arXiv1250

提供資料欄位包含：代碼(代碼)、中文名稱(中文名稱)、英文名稱(英文名稱)等欄位資料。

台湾省政府资料开放平台2025-12-03 更新250

这是一个包含文件扩展名、内容、GitHub语言和质量反馈等字段的小型数据集，用于训练模型。数据集划分为训练集，共有1000个示例。

Hugging Face2025-04-07 更新100

该数据集包含两个特征字段：code和label，均为字符串类型。训练集包含126,551个示例，数据大小为60,682,437字节。数据集配置中指定了训练数据的路径。

Hugging Face2024-11-30 更新500

该数据集包含多个特征，如文本、仓库名称、路径、语言、许可证和大小等。数据集分为训练集和测试集，分别包含大量的字节和示例。数据集是从codeparrot/github-code中采样，并选择了更宽松的许可证类型，同时也从minipile中采样。该数据集旨在用于训练代码自然语言分类器。

Hugging Face2024-10-29 更新120