susnato/PR_comments

--- dataset_info: features: - name: repo_name dtype: string - name: pr_number dtype: int64 - name: pr_title dtype: string - name: pr_description dtype: string - name: author dtype: 'null' - name: date_created dtype: string - name: date_merged dtype: string - name: filepath dtype: string - name: before_content dtype: string - name: after_content dtype: string - name: pr_author dtype: string - name: previous_commit dtype: string - name: pr_commit dtype: string - name: comment dtype: string - name: comment_author dtype: string - name: __index_level_0__ dtype: int64 splits: - name: train num_bytes: 879064359 num_examples: 12646 download_size: 117418842 dataset_size: 879064359 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

数据特征

• repo_name: 仓库名称，数据类型为字符串。
• pr_number: 拉取请求编号，数据类型为整数。
• pr_title: 拉取请求标题，数据类型为字符串。
• pr_description: 拉取请求描述，数据类型为字符串。
• author: 作者，数据类型为空。
• date_created: 创建日期，数据类型为字符串。
• date_merged: 合并日期，数据类型为字符串。
• filepath: 文件路径，数据类型为字符串。
• before_content: 修改前内容，数据类型为字符串。
• after_content: 修改后内容，数据类型为字符串。
• pr_author: 拉取请求作者，数据类型为字符串。
• previous_commit: 前一次提交，数据类型为字符串。
• pr_commit: 拉取请求提交，数据类型为字符串。
• comment: 评论，数据类型为字符串。
• comment_author: 评论作者，数据类型为字符串。
• index_level_0: 索引级别，数据类型为整数。

数据分割

• train: 训练集，包含12646个样本，总字节数为879064359。

数据集大小

• 下载大小: 117418842字节
• 数据集大小: 879064359字节

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。