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-*