Francesco-A/github-issues_huggingface-datasets

数据集github-issues_huggingface-datasets是从Hugging Face Datasets仓库中提取的GitHub问题的语料库。它包含了问题的标题、描述、标签、状态、评论等信息，并且通过GitHub REST API获取了问题及其对应的评论。数据集分为训练集和测试集，分别包含4863条和1216条记录。该数据集可用于语义搜索、多标签分类和探索性分析等用途。用户在使用该数据集时应注意数据不完整、标签偏见或信息过时等潜在限制和风险。

原始信息汇总

数据集概述

数据集名称

• 名称: GitHub Issues from Hugging Face Datasets

数据集内容

• 特征:

  • 基本信息:
    • url, repository_url, labels_url, comments_url, events_url, html_url, id, node_id, number, title, state, locked, milestone, comments, created_at, updated_at, closed_at, active_lock_reason, body, reactions, timeline_url, performed_via_github_app, state_reason, draft, pull_request, is_pull_request
  • 标签信息:
    • color, default, description, id, name, node_id, url
  • 里程碑信息:
    • closed_at, closed_issues, created_at, creator (包含 avatar_url, events_url, followers_url, following_url, gists_url, gravatar_id, html_url, id, login, node_id, organizations_url, received_events_url, repos_url, site_admin, starred_url, subscriptions_url, type, url), description, due_on, html_url, id, labels_url, node_id, number, open_issues, state, title, updated_at, url
  • 反应信息:
    • +1, -1, confused, eyes, heart, hooray, laugh, rocket, total_count, url
  • 拉取请求信息:
    • diff_url, html_url, merged_at, patch_url, url

• 数据集分割:

  • 训练集: 包含4,863条记录
  • 测试集: 包含1,216条记录

数据集用途

• 语义搜索
• 多标签分类
• 探索性分析

数据集限制与风险

• 数据不完整性
• 标签偏差
• 信息更新问题
• 数据隐私和伦理考虑

数据集访问

• 公开可用，可下载使用