JetBrains-Research/lca-commit-message-generation

该数据集是用于提交消息生成任务的基准数据集，属于Long Code Arena基准的一部分。数据集是从CommitChronicle数据集中手动筛选的Python测试集，适用于较大的提交。数据集包含两个配置：默认配置和标签配置。默认配置包含提交的详细信息，如提交哈希、仓库、日期、许可证、提交消息和文件修改列表。标签配置则额外包含提交的标签和注释。所有仓库均使用宽松许可证发布，数据点可根据请求删除。

This dataset is a manually curated subset of the Python test set from the CommitChronicle dataset, tailored for larger commits. It includes two configurations: default and labels. The default configuration features include commit hash, repository, date, license, commit message, and modifications. The labels configuration adds a label and comment for each commit. The dataset is used for the Commit message generation task as part of the Long Code Arena benchmark. The dataset is licensed under Apache-2.0.

原始信息汇总

数据集概述

数据集配置

默认配置

• 配置名称: default
• 特征:
  • hash: 字符串
  • repo: 字符串
  • date: 字符串
  • license: 字符串
  • message: 字符串
  • mods: 列表
    • change_type: 字符串
    • old_path: 字符串
    • new_path: 字符串
    • diff: 字符串
• 拆分:
  • test: 包含163个样本

标签配置

• 配置名称: labels
• 特征:
  • hash: 字符串
  • repo: 字符串
  • date: 字符串
  • license: 字符串
  • message: 字符串
  • label: 整数 (int8)
  • comment: 字符串
• 拆分:
  • test: 包含858个样本，占用272359字节

数据文件

默认配置

• 拆分: test
• 路径: commitchronicle-py-long/test-*

标签配置

• 拆分: test
• 路径: commitchronicle-py-long-labels/test-*

许可证

• 类型: Apache-2.0