D4vidHuang/FSE2025_MapResult_ZH

该数据集包含多个特征，如文件ID、内容、仓库、路径、令牌长度、原始评论、评论类型、检测到的语言和掩码评论。数据集分为一个训练集，包含500个样本，总大小为6217549字节。

The dataset contains multiple features such as file_id, content, repo, path, token_length, original_comment, comment_type, detected_lang, and masked_comment. The dataset is divided into a training set containing 500 samples, with a total size of 6217549 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• file_id: 文件ID，类型为字符串。
• content: 内容，类型为字符串。
• repo: 仓库，类型为字符串。
• path: 路径，类型为字符串。
• token_length: 标记长度，类型为整数。
• original_comment: 原始评论，类型为字符串。
• comment_type: 评论类型，类型为字符串。
• detected_lang: 检测到的语言，类型为字符串。
• masked_comment: 掩码评论，类型为字符串。

数据分割

• train: 训练集，包含500个样本，总字节数为6217549。

数据集大小

• 下载大小: 2310274字节
• 数据集大小: 6217549字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*