sukrit-arora/github-issues

该数据集名为HuggingFace Github Issues，主要包含与GitHub问题相关的数据，适用于文本分类和文本检索任务。数据集的特征包括问题的URL、标题、用户信息、标签、状态、评论、创建和更新时间等。数据集的大小在1K到10K之间，且为单语言（英语）数据集。

原始信息汇总

数据集概述

基本信息

• 名称: HuggingFace Github Issues
• 语言: 英语
• 语言创建者: 发现
• 多语言性: 单语种
• 大小类别: 1K<n<10K
• 源数据集: 原始数据集
• 任务类别:
  • 文本分类
  • 文本检索
• 任务ID:
  • 多类分类
  • 多标签分类
  • 文档检索

数据集特征

• url: 字符串
• repository_url: 字符串
• labels_url: 字符串
• comments_url: 字符串
• events_url: 字符串
• html_url: 字符串
• id: 整数64位
• node_id: 字符串
• number: 整数64位
• title: 字符串
• user: 结构体
  • login: 字符串
  • id: 整数64位
  • node_id: 字符串
  • avatar_url: 字符串
  • gravatar_id: 字符串
  • url: 字符串
  • html_url: 字符串
  • followers_url: 字符串
  • following_url: 字符串
  • gists_url: 字符串
  • starred_url: 字符串
  • subscriptions_url: 字符串
  • organizations_url: 字符串
  • repos_url: 字符串
  • events_url: 字符串
  • received_events_url: 字符串
  • type: 字符串
  • site_admin: 布尔值
• labels: 列表
  • id: 整数64位
  • node_id: 字符串
  • url: 字符串
  • name: 字符串
  • color: 字符串
  • default: 布尔值
  • description: 字符串
• state: 字符串
• locked: 布尔值
• assignee: 结构体
  • login: 字符串
  • id: 整数64位
  • node_id: 字符串
  • avatar_url: 字符串
  • gravatar_id: 字符串
  • url: 字符串
  • html_url: 字符串
  • followers_url: 字符串
  • following_url: 字符串
  • gists_url: 字符串
  • starred_url: 字符串
  • subscriptions_url: 字符串
  • organizations_url: 字符串
  • repos_url: 字符串
  • events_url: 字符串
  • received_events_url: 字符串
  • type: 字符串
  • site_admin: 布尔值
• assignees: 列表
  • login: 字符串
  • id: 整数64位
  • node_id: 字符串
  • avatar_url: 字符串
  • gravatar_id: 字符串
  • url: 字符串
  • html_url: 字符串
  • followers_url: 字符串
  • following_url: 字符串
  • gists_url: 字符串
  • starred_url: 字符串
  • subscriptions_url: 字符串
  • organizations_url: 字符串
  • repos_url: 字符串
  • events_url: 字符串
  • received_events_url: 字符串
  • type: 字符串
  • site_admin: 布尔值
• milestone: 结构体
  • url: 字符串
  • html_url: 字符串
  • labels_url: 字符串
  • id: 整数64位
  • node_id: 字符串
  • number: 整数64位
  • title: 字符串
  • description: 字符串
  • creator: 结构体
    • login: 字符串
    • id: 整数64位
    • node_id: 字符串
    • avatar_url: 字符串
    • gravatar_id: 字符串
    • url: 字符串
    • html_url: 字符串
    • followers_url: 字符串
    • following_url: 字符串
    • gists_url: 字符串
    • starred_url: 字符串
    • subscriptions_url: 字符串
    • organizations_url: 字符串
    • repos_url: 字符串
    • events_url: 字符串
    • received_events_url: 字符串
    • type: 字符串
    • site_admin: 布尔值
  • open_issues: 整数64位
  • closed_issues: 整数64位
  • state: 字符串
  • created_at: 时间戳[秒]
  • updated_at: 时间戳[秒]
  • due_on: 空
  • closed_at: 空
• comments: 字符串序列
• created_at: 时间戳[秒]
• updated_at: 时间戳[秒]
• closed_at: 时间戳[秒]
• author_association: 字符串
• active_lock_reason: 空
• body: 字符串
• reactions: 结构体
  • url: 字符串
  • total_count: 整数64位
  • +1: 整数64位
  • -1: 整数64位
  • laugh: 整数64位
  • hooray: 整数64位
  • confused: 整数64位
  • heart: 整数64位
  • rocket: 整数64位
  • eyes: 整数64位
• timeline_url: 字符串
• performed_via_github_app: 空
• state_reason: 字符串
• draft: 布尔值
• pull_request: 结构体
  • url: 字符串
  • html_url: 字符串
  • diff_url: 字符串
  • patch_url: 字符串
  • merged_at: 时间戳[秒]
• is_pull_request: 布尔值

数据集分割

• train:
  • 字节数: 23410479
  • 样本数: 3000

数据集大小

• 下载大小: 6521212
• 数据集大小: 23410479

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*