tennisb/github-embedded
收藏官方服务：
资源简介：
这是一个包含从GitHub获取的Python代码的数据集，其中还包括了代码的抽象语法树（AST）的JSON表示和代码的向量嵌入。该数据集适用于文本分类任务，数据大小在10M到100M之间。
This dataset includes Python code retrieved from GitHub, along with JSON dumps of their abstract syntax trees (ASTs) and vector embeddings of the code generated using openais text-embedding-3-small model. It is suitable for text classification tasks and is sized between 10M and 100M.
提供机构：
tennisb
