five

Eitanli/github-issues

收藏
Hugging Face2023-05-24 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/Eitanli/github-issues
下载链接
链接失效反馈
官方服务：
资源简介：
--- dataset_info: features: - name: url dtype: string - name: repository_url dtype: string - name: labels_url dtype: string - name: comments_url dtype: string - name: events_url dtype: string - name: html_url dtype: string - name: id dtype: int64 - name: node_id dtype: string - name: number dtype: int64 - name: title dtype: string - name: user struct: - name: login dtype: string - name: id dtype: int64 - name: node_id dtype: string - name: avatar_url dtype: string - name: gravatar_id dtype: string - name: url dtype: string - name: html_url dtype: string - name: followers_url dtype: string - name: following_url dtype: string - name: gists_url dtype: string - name: starred_url dtype: string - name: subscriptions_url dtype: string - name: organizations_url dtype: string - name: repos_url dtype: string - name: events_url dtype: string - name: received_events_url dtype: string - name: type dtype: string - name: site_admin dtype: bool - name: labels list: - name: id dtype: int64 - name: node_id dtype: string - name: url dtype: string - name: name dtype: string - name: color dtype: string - name: default dtype: bool - name: description dtype: string - name: state dtype: string - name: locked dtype: bool - name: assignee struct: - name: login dtype: string - name: id dtype: int64 - name: node_id dtype: string - name: avatar_url dtype: string - name: gravatar_id dtype: string - name: url dtype: string - name: html_url dtype: string - name: followers_url dtype: string - name: following_url dtype: string - name: gists_url dtype: string - name: starred_url dtype: string - name: subscriptions_url dtype: string - name: organizations_url dtype: string - name: repos_url dtype: string - name: events_url dtype: string - name: received_events_url dtype: string - name: type dtype: string - name: site_admin dtype: bool - name: assignees list: - name: login dtype: string - name: id dtype: int64 - name: node_id dtype: string - name: avatar_url dtype: string - name: gravatar_id dtype: string - name: url dtype: string - name: html_url dtype: string - name: followers_url dtype: string - name: following_url dtype: string - name: gists_url dtype: string - name: starred_url dtype: string - name: subscriptions_url dtype: string - name: organizations_url dtype: string - name: repos_url dtype: string - name: events_url dtype: string - name: received_events_url dtype: string - name: type dtype: string - name: site_admin dtype: bool - name: milestone dtype: 'null' - name: comments sequence: string - name: created_at dtype: timestamp[s] - name: updated_at dtype: timestamp[s] - name: closed_at dtype: timestamp[s] - name: author_association dtype: string - name: active_lock_reason dtype: 'null' - name: draft dtype: bool - name: pull_request struct: - name: url dtype: string - name: html_url dtype: string - name: diff_url dtype: string - name: patch_url dtype: string - name: merged_at dtype: timestamp[s] - name: body dtype: string - name: reactions struct: - name: url dtype: string - name: total_count dtype: int64 - name: '+1' dtype: int64 - name: '-1' dtype: int64 - name: laugh dtype: int64 - name: hooray dtype: int64 - name: confused dtype: int64 - name: heart dtype: int64 - name: rocket dtype: int64 - name: eyes dtype: int64 - name: timeline_url dtype: string - name: performed_via_github_app dtype: 'null' - name: state_reason dtype: string - name: is_pull_request dtype: bool splits: - name: train num_bytes: 2600208 num_examples: 215 download_size: 683347 dataset_size: 2600208 license: openrail task_categories: - text-classification language: - en tags: - code pretty_name: github_issues size_categories: - 1K<n<10K --- # Dataset Card for "github-issues" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

dataset_info: 特征字段： - 字段名：url，数据类型：字符串 - 字段名：repository_url，数据类型：字符串 - 字段名：labels_url，数据类型：字符串 - 字段名：comments_url，数据类型：字符串 - 字段名：events_url，数据类型：字符串 - 字段名：html_url，数据类型：字符串 - 字段名：id，数据类型：64位整数 - 字段名：node_id，数据类型：字符串 - 字段名：number，数据类型：64位整数 - 字段名：title，数据类型：字符串 - 字段名：user，结构体： - 字段名：login，数据类型：字符串 - 字段名：id，数据类型：64位整数 - 字段名：node_id，数据类型：字符串 - 字段名：avatar_url，数据类型：字符串 - 字段名：gravatar_id，数据类型：字符串 - 字段名：url，数据类型：字符串 - 字段名：html_url，数据类型：字符串 - 字段名：followers_url，数据类型：字符串 - 字段名：following_url，数据类型：字符串 - 字段名：gists_url，数据类型：字符串 - 字段名：starred_url，数据类型：字符串 - 字段名：subscriptions_url，数据类型：字符串 - 字段名：organizations_url，数据类型：字符串 - 字段名：repos_url，数据类型：字符串 - 字段名：events_url，数据类型：字符串 - 字段名：received_events_url，数据类型：字符串 - 字段名：type，数据类型：字符串 - 字段名：site_admin，数据类型：布尔值 - 字段名：labels，列表： - 字段名：id，数据类型：64位整数 - 字段名：node_id，数据类型：字符串 - 字段名：url，数据类型：字符串 - 字段名：name，数据类型：字符串 - 字段名：color，数据类型：字符串 - 字段名：default，数据类型：布尔值 - 字段名：description，数据类型：字符串 - 字段名：state，数据类型：字符串 - 字段名：locked，数据类型：布尔值 - 字段名：assignee，结构体： - 字段名：login，数据类型：字符串 - 字段名：id，数据类型：64位整数 - 字段名：node_id，数据类型：字符串 - 字段名：avatar_url，数据类型：字符串 - 字段名：gravatar_id，数据类型：字符串 - 字段名：url，数据类型：字符串 - 字段名：html_url，数据类型：字符串 - 字段名：followers_url，数据类型：字符串 - 字段名：following_url，数据类型：字符串 - 字段名：gists_url，数据类型：字符串 - 字段名：starred_url，数据类型：字符串 - 字段名：subscriptions_url，数据类型：字符串 - 字段名：organizations_url，数据类型：字符串 - 字段名：repos_url，数据类型：字符串 - 字段名：events_url，数据类型：字符串 - 字段名：received_events_url，数据类型：字符串 - 字段名：type，数据类型：字符串 - 字段名：site_admin，数据类型：布尔值 - 字段名：assignees，列表： - 字段名：login，数据类型：字符串 - 字段名：id，数据类型：64位整数 - 字段名：node_id，数据类型：字符串 - 字段名：avatar_url，数据类型：字符串 - 字段名：gravatar_id，数据类型：字符串 - 字段名：url，数据类型：字符串 - 字段名：html_url，数据类型：字符串 - 字段名：followers_url，数据类型：字符串 - 字段名：following_url，数据类型：字符串 - 字段名：gists_url，数据类型：字符串 - 字段名：starred_url，数据类型：字符串 - 字段名：subscriptions_url，数据类型：字符串 - 字段名：organizations_url，数据类型：字符串 - 字段名：repos_url，数据类型：字符串 - 字段名：events_url，数据类型：字符串 - 字段名：received_events_url，数据类型：字符串 - 字段名：type，数据类型：字符串 - 字段名：site_admin，数据类型：布尔值 - 字段名：milestone，数据类型：空值 - 字段名：comments，字符串序列 - 字段名：created_at，数据类型：秒级时间戳 - 字段名：updated_at，数据类型：秒级时间戳 - 字段名：closed_at，数据类型：秒级时间戳 - 字段名：author_association，数据类型：字符串 - 字段名：active_lock_reason，数据类型：空值 - 字段名：draft，数据类型：布尔值 - 字段名：pull_request，拉取请求（Pull Request）结构体： - 字段名：url，数据类型：字符串 - 字段名：html_url，数据类型：字符串 - 字段名：diff_url，数据类型：字符串 - 字段名：patch_url，数据类型：字符串 - 字段名：merged_at，数据类型：秒级时间戳 - 字段名：body，数据类型：字符串 - 字段名：reactions，结构体： - 字段名：url，数据类型：字符串 - 字段名：total_count，数据类型：64位整数 - 字段名：+1，数据类型：64位整数 - 字段名：-1，数据类型：64位整数 - 字段名：laugh，数据类型：64位整数 - 字段名：hooray，数据类型：64位整数 - 字段名：confused，数据类型：64位整数 - 字段名：heart，数据类型：64位整数 - 字段名：rocket，数据类型：64位整数 - 字段名：eyes，数据类型：64位整数 - 字段名：timeline_url，数据类型：字符串 - 字段名：performed_via_github_app，数据类型：空值 - 字段名：state_reason，数据类型：字符串 - 字段名：is_pull_request，数据类型：布尔值 拆分方式： - 拆分名称：train，字节大小：2600208，样本数量：215 下载大小：683347 数据集总大小：2600208 开源协议：openrail 任务类别： - 文本分类 语言： - 英语 标签： - 代码 可视化名称：github_issues 样本规模类别：1000 < n < 10000 # 「github-issues」数据集卡片 [需要补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
Eitanli
原始信息汇总

数据集概述

数据集名称

  • 名称: github_issues

数据集特征

  • 基本特征:
    • url: 字符串类型
    • repository_url: 字符串类型
    • labels_url: 字符串类型
    • comments_url: 字符串类型
    • events_url: 字符串类型
    • html_url: 字符串类型
    • id: 整数类型（64位）
    • node_id: 字符串类型
    • number: 整数类型（64位）
    • title: 字符串类型
    • user: 结构体类型，包含多个子特征
    • labels: 列表类型，包含多个子特征
    • state: 字符串类型
    • locked: 布尔类型
    • assignee: 结构体类型，包含多个子特征
    • assignees: 列表类型，包含多个子特征
    • milestone: 空值
    • comments: 字符串序列
    • created_at: 时间戳类型（秒）
    • updated_at: 时间戳类型（秒）
    • closed_at: 时间戳类型（秒）
    • author_association: 字符串类型
    • active_lock_reason: 空值
    • draft: 布尔类型
    • pull_request: 结构体类型，包含多个子特征
    • body: 字符串类型
    • reactions: 结构体类型，包含多个子特征
    • timeline_url: 字符串类型
    • performed_via_github_app: 空值
    • state_reason: 字符串类型
    • is_pull_request: 布尔类型

数据集大小

  • 下载大小: 683347字节
  • 数据集大小: 2600208字节
  • 训练集大小: 2600208字节，包含215个示例

许可信息

  • 许可证: openrail

任务类别

  • 任务: text-classification

语言

  • 语言: en

标签

  • 标签: code

数据集类别

  • 类别: 1K<n<10K
搜集汇总
数据集介绍
main_image_url
构建方式
在软件开发和协作的生态系统中，GitHub Issues 是追踪项目问题、功能请求与任务分配的核心机制。Eitanli/github-issues 数据集正是基于这一背景构建而成，它通过系统化地收集 GitHub 平台上公开仓库的 issue 数据，为自然语言处理与软件工程分析提供了丰富的语料资源。该数据集以 JSON 格式存储，每条记录包含 issue 的元数据信息，如 URL、标题、状态、标签、创建与更新时间、评论序列、用户信息以及拉取请求关联等字段。数据集中共包含 215 条训练样本，所有样本均来源于真实开源项目，确保了数据的真实性与多样性。
特点
该数据集最显著的特点在于其结构化程度极高，涵盖了 issue 从创建到关闭的完整生命周期信息。每条记录不仅包含标题与正文内容，还详细记录了用户交互、标签分类、反应计数、里程碑与评论等上下文信息。此外，数据集将 issue 与 pull request 进行区分，并标注了是否属于拉取请求，这为区分问题讨论与代码变更提供了便利。数据集还提供了丰富的用户信息与反应统计，使得研究者能够深入分析社区参与模式与情感倾向。整体而言，这些多维度的特征为文本分类、情感分析、社区行为建模等任务提供了坚实的数据基础。
使用方法
该数据集可广泛应用于文本分类、情感分析、以及软件工程领域的相关研究。用户可通过 Hugging Face Datasets 库直接加载数据集，加载后每条记录以字典形式呈现，便于快速访问字段内容。对于分类任务，可利用 'title' 与 'body' 字段作为输入文本，以 'state' 或 'labels' 作为目标标签进行模型训练。此外，研究者可利用 'comments' 字段构建对话式数据集，或结合 'reactions' 字段分析社区反馈。数据集仅包含训练集划分，用户可根据研究需求自行划分训练集与验证集，以适配不同的机器学习工作流。
背景与挑战
背景概述
在开源软件生态蓬勃发展的背景下，GitHub Issue作为开发者协作与问题追踪的核心载体，蕴含着丰富的语义信息与技术洞察。Eitanli/github-issues数据集由研究者于近年来构建，旨在系统性地收集并结构化呈现GitHub平台上的议题数据，为自然语言处理与软件工程领域的交叉研究提供基础资源。该数据集聚焦于议题的文本内容、状态流转、用户交互及元数据等多元维度，尤其关注从议题描述到分类标签的映射关系，为文本分类任务（如状态预测、标签推荐）提供了真实场景下的训练与评估素材。其影响力体现在为代码仓库的自动化管理、开发者行为分析及协作模式挖掘等方向开辟了数据驱动的探索路径，成为连接软件工程实践与机器学习技术的重要桥梁。
当前挑战
该数据集所解决的领域问题核心在于议题自动化分类与状态预测，然而现实场景中议题文本的噪声、多义性及领域特异性使得模型难以准确捕捉语义特征。构建过程中，数据爬取面临API速率限制与异构数据结构整合的难题，不同仓库的标签体系差异、议题模板多样性以及时间跨度内元数据格式演变，均增加了数据清洗与归一化的复杂度。此外，议题中混合的代码片段、超链接与自然语言描述对文本预处理提出更高要求，而少量样本（仅215条训练实例）进一步限制了深度模型的泛化能力，亟需通过迁移学习或数据增强策略来缓解标注稀疏带来的挑战。
常用场景
经典使用场景
在软件工程与自然语言处理的交叉领域中，Eitanli/github-issues数据集被广泛用于文本分类任务，尤其是对GitHub Issue的自动标注与状态识别。研究者利用该数据集中丰富的标题、正文及标签信息，训练模型以预测Issue的类别（如bug、feature request、question等），或判断其当前状态（open、closed、merged）。这一场景的核心在于利用结构化与非结构化文本的联合特征，实现对开源协作中大量未标记Issue的智能化管理。
解决学术问题
该数据集有效解决了开源社区中Issue管理效率低下的学术难题。传统上，Issue分类依赖于人工标注或简单的规则匹配，难以适应大规模、多语言的项目生态。通过提供包含215个样本的精细标注数据，Eitanli/github-issues为研究者提供了基准测试平台，推动了对弱监督学习、迁移学习及多标签分类算法的探索。其意义在于降低了软件维护中的人力成本，并为自动化代码审查、缺陷预测等下游任务奠定了数据基础。
衍生相关工作
该数据集衍生了一系列经典工作，包括基于Transformer的Issue标题生成、多模态Issue摘要以及跨项目迁移学习框架。例如，研究者利用其标题与正文的配对关系，训练了用于自动补全Issue描述的Seq2Seq模型。另一项工作则结合用户协作网络，提出了融合社交特征的Issue解析器，在状态预测任务上取得了突破。这些成果共同推动了软件工程与NLP的深度融合。
以上内容由遇见数据集搜集并总结生成
关于我们
遇见数据集——让每个数据集都被发现，让每一次遇见都有价值。
数发科官网www.sfktec.com
联系我们
youjian
selectdataset@iotsh.com.cn
商业合作
数据驱动未来，携手共赢发展
二维码
社区交流群
二维码
科研交流群
商业服务