koutch/stackoverflow_python

该数据集最初来源于Kaggle，原本分为三个CSV文件（Questions、Answers和Tags），现已合并为一个表格。每行对应一个问答对及其相关标签。数据集包含2008年8月2日至2016年10月19日期间提出的所有问题。该数据集适用于开放域问答任务，并遵循CC-BY-SA 3.0许可。

This dataset was originally sourced from Kaggle. It was initially split into three CSV files: Questions, Answers and Tags, and has now been consolidated into a single table. Each row corresponds to a question-answer pair along with its associated tags. The dataset contains all questions posted between August 2, 2008 and October 19, 2016. This dataset is suitable for open-domain question answering tasks and is licensed under CC-BY-SA 3.0.

原始信息汇总

数据集概述

数据集名称

stackoverflow_python

数据集来源

原始数据来自kaggle，由三个CSV文件（Questions, Answers, Tags）合并成一个表。

数据集内容

每行数据对应一个（问题-答案）对及其相关标签。数据包含2008年8月2日至2016年10月19日期间的所有问题。

数据集特征

• title: 字符串类型
• question_id: 整数类型
• question_body: 字符串类型
• question_score: 整数类型
• question_date: 字符串类型
• answer_id: 整数类型
• answer_body: 字符串类型
• answer_score: 整数类型
• answer_date: 字符串类型
• tags: 字符串序列类型

数据集大小

• 训练集大小：987122个样本，占用2142466142字节
• 下载大小：829547986字节
• 数据集总大小：2142466142字节

语言

• 英语（en）

任务类别

• 问答（question-answering）

数据集大小类别

• 100K<n<1M

许可证

所有Stack Overflow用户贡献内容均根据CC-BY-SA 3.0许可证授权，需提供归属。

搜集汇总

背景与挑战

背景概述

该数据集是从Stack Overflow提取的Python相关问答对集合，包含约98.7万行数据，覆盖2008年至2016年期间的问题和答案。数据集以表格形式组织，每行对应一个问题及其一个答案，并附带标签信息，适用于开放域问答任务等自然语言处理应用。