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。