jinaai/code_search_net_dedupe_only_annotated

---
dataset_info:
features:
- name: nwo
dtype: string
- name: sha
dtype: string
- name: path
dtype: string
- name: language
dtype: string
- name: identifier
dtype: string
- name: parameters
dtype: string
- name: argument_list
dtype: string
- name: return_statement
dtype: string
- name: docstring
dtype: string
- name: docstring_summary
dtype: string
- name: docstring_tokens
sequence: string
- name: function
dtype: string
- name: function_tokens
sequence: string
- name: url
dtype: string
- name: score
dtype: float64
splits:
- name: go
num_bytes: 317921
num_examples: 165
- name: java
num_bytes: 1764082
num_examples: 799
- name: javascript
num_bytes: 3674378
num_examples: 1818
- name: php
num_bytes: 653199
num_examples: 313
- name: python
num_bytes: 2184486
num_examples: 974
- name: ruby
num_bytes: 484389
num_examples: 305
download_size: 3487033
dataset_size: 9078455
configs:
- config_name: default
data_files:
- split: go
path: data/go-*
- split: java
path: data/java-*
- split: javascript
path: data/javascript-*
- split: php
path: data/php-*
- split: python
path: data/python-*
- split: ruby
path: data/ruby-*
---

原始信息汇总

数据集概述

数据特征

• nwo: 字符串类型
• sha: 字符串类型
• path: 字符串类型
• language: 字符串类型
• identifier: 字符串类型
• parameters: 字符串类型
• argument_list: 字符串类型
• return_statement: 字符串类型
• docstring: 字符串类型
• docstring_summary: 字符串类型
• docstring_tokens: 字符串序列
• function: 字符串类型
• function_tokens: 字符串序列
• url: 字符串类型
• score: 浮点数类型

数据分割

• go: 317921字节，165个样本
• java: 1764082字节，799个样本
• javascript: 3674378字节，1818个样本
• php: 653199字节，313个样本
• python: 2184486字节，974个样本
• ruby: 484389字节，305个样本

数据集大小

• 下载大小: 3487033字节
• 数据集大小: 9078455字节

配置

• 默认配置:
  • go: 数据路径为data/go-*
  • java: 数据路径为data/java-*
  • javascript: 数据路径为data/javascript-*
  • php: 数据路径为data/php-*
  • python: 数据路径为data/python-*
  • ruby: 数据路径为data/ruby-*