loubnabnl/common-lisp_checks

---
dataset_info:
features:
- name: entities
list:
- name: context
dtype: string
- name: end
dtype: int64
- name: score
dtype: float32
- name: start
dtype: int64
- name: tag
dtype: string
- name: value
dtype: string
- name: max_stars_repo_path
dtype: string
- name: max_stars_repo_name
dtype: string
- name: max_stars_count
dtype: int64
- name: content
dtype: string
- name: id
dtype: string
- name: new_content
dtype: string
- name: modified
dtype: bool
- name: references
dtype: string
splits:
- name: train
num_bytes: 1335613357.8516302
num_examples: 31455
download_size: 418687191
dataset_size: 1335613357.8516302
---
# Dataset Card for "common-lisp_checks"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

dataset_info:
特征：
- 名称：entities（实体），类型为列表，列表元素包含以下结构化字段：
- context（上下文）：字符串类型
- end（结束位置）：64位整型
- score（得分）：32位浮点型
- start（起始位置）：64位整型
- tag（标签）：字符串类型
- value（取值）：字符串类型
- 名称：max_stars_repo_path（最高星仓库路径），数据类型：字符串
- 名称：max_stars_repo_name（最高星仓库名称），数据类型：字符串
- 名称：max_stars_count（最高星数量），数据类型：64位整型
- 名称：content（原文内容），数据类型：字符串
- 名称：id（样本标识符），数据类型：字符串
- 名称：new_content（修订后内容），数据类型：字符串
- 名称：modified（修改标记），数据类型：布尔型
- 名称：references（参考引用），数据类型：字符串
数据集划分：
- 名称：train（训练集）
字节占用量：1335613357.8516302
样本数量：31455
下载大小：418687191
数据集总大小：1335613357.8516302

---
# 「common-lisp_checks」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• entities
  • context: 数据类型为string
  • end: 数据类型为int64
  • score: 数据类型为float32
  • start: 数据类型为int64
  • tag: 数据类型为string
  • value: 数据类型为string
• max_stars_repo_path: 数据类型为string
• max_stars_repo_name: 数据类型为string
• max_stars_count: 数据类型为int64
• content: 数据类型为string
• id: 数据类型为string
• new_content: 数据类型为string
• modified: 数据类型为bool
• references: 数据类型为string

数据集划分

• train
  • num_bytes: 1335613357.8516302字节
  • num_examples: 31455个样本

数据集大小

• download_size: 418687191字节
• dataset_size: 1335613357.8516302字节

搜集汇总

背景与挑战

背景概述

该数据集是一个Common Lisp代码检查数据集，包含约3.15万行文本数据，以parquet格式存储，大小约419MB。数据主要来自Common Lisp源代码文件，涉及代码内容、作者信息、修改记录等字段，并经过处理（如实体替换），适用于代码分析或自然语言处理任务。