notebookcdg

受王等人的启发。 2021 年，我们决定利用投票率最高且记录良好的 Kaggle 笔记本来构建 notebookCDG 数据集。我们从 Kaggle 上的前 20 名热门比赛（例如泰坦尼克号）中收集了前 10% 的高投票笔记本。我们检查了 20 场比赛中每场比赛的数据政策，都没有版权问题。我们还联系了 Kaggle 管理员，以确保我们的数据收集符合平台政策。我们总共收集了 3,944 个笔记本作为原始数据。数据预处理后，最终数据集包含来自原始数据的 3,944 个笔记本中的 2,476 个笔记本。它有 28,625 个代码-文档对。整体代码降价比为 2.2195

搜集汇总

背景与挑战

背景概述

notebookcdg数据集基于Kaggle热门比赛的高投票笔记本构建，包含2,476个笔记本和28,625个代码-文档对，专门用于代码摘要生成任务。该数据集由密歇根大学等机构于2021年发布，遵循MIT许可协议。