NLBSE Code Comment Classification dataset

该数据集包含了从Java、Python和Pharo的多个项目中提取的代码注释。每一条注释都被分割成句子，并由人工进行标注，同时与提取它们的文件相关联。此外，该数据集在样本分布上并不均衡，负面样本的数量远超正面样本。数据集包含了具有ID、句子文本、类别或文件、分区、类别和实例类型的样本。在规模上，Java和Python每个类别的训练样本大约有2.4K和2.6K，而Pharo每个类别的样本则有大约1.8K。该数据集的任务是对代码注释进行分类。