five

WhereIsAI/github-issue-similarity

收藏
Hugging Face2024-05-03 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/WhereIsAI/github-issue-similarity
下载链接
链接失效反馈
官方服务:
资源简介:
--- language: - en license: mit size_categories: - 10K<n<100K task_categories: - sentence-similarity dataset_info: - config_name: default features: - name: text1 dtype: string - name: text2 dtype: string - name: label dtype: int64 splits: - name: train num_bytes: 181474610 num_examples: 18565 - name: valid num_bytes: 14656141 num_examples: 1547 - name: test num_bytes: 13135402 num_examples: 1548 download_size: 58129604 dataset_size: 209266153 - config_name: positive features: - name: anchor dtype: string - name: positive dtype: string splits: - name: train num_bytes: 79405713 num_examples: 9457 - name: valid num_bytes: 6160932 num_examples: 774 - name: test num_bytes: 5782206 num_examples: 807 download_size: 25212890 dataset_size: 91348851 configs: - config_name: default data_files: - split: train path: data/train-* - split: valid path: data/valid-* - split: test path: data/test-* - config_name: positive data_files: - split: train path: positive/train-* - split: valid path: positive/valid-* - split: test path: positive/test-* tags: - code - sentence-transformers --- # GIS: Github Issue Similarity Dataset This dataset was released from the paper: https://arxiv.org/abs/2309.12871 # Citation If you use our dataset in your research, welcome to cite us as follows: ```bibtex @article{li2023angle, title={AnglE-optimized Text Embeddings}, author={Li, Xianming and Li, Jing}, journal={arXiv preprint arXiv:2309.12871}, year={2023} } ```
提供机构:
WhereIsAI
原始信息汇总

GIS: Github Issue Similarity Dataset

基本信息

  • 语言: 英语
  • 许可证: MIT
  • 数据集大小分类: 10K<n<100K
  • 任务分类: 句子相似度

数据集配置

默认配置

  • 配置名称: default
  • 特征:
    • text1: 字符串
    • text2: 字符串
    • label: 64位整数
  • 分割:
    • train:
      • 字节数: 181474610
      • 样本数: 18565
    • valid:
      • 字节数: 14656141
      • 样本数: 1547
    • test:
      • 字节数: 13135402
      • 样本数: 1548
  • 下载大小: 58129604
  • 数据集大小: 209266153

正样本配置

  • 配置名称: positive
  • 特征:
    • anchor: 字符串
    • positive: 字符串
  • 分割:
    • train:
      • 字节数: 79405713
      • 样本数: 9457
    • valid:
      • 字节数: 6160932
      • 样本数: 774
    • test:
      • 字节数: 5782206
      • 样本数: 807
  • 下载大小: 25212890
  • 数据集大小: 91348851

数据文件配置

默认配置

  • 配置名称: default
  • 数据文件:
    • train: data/train-*
    • valid: data/valid-*
    • test: data/test-*

正样本配置

  • 配置名称: positive
  • 数据文件:
    • train: positive/train-*
    • valid: positive/valid-*
    • test: positive/test-*

标签

  • code
  • sentence-transformers
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作