susnato/GitHub1000Prs_query_context_pairs

--- dataset_info: features: - name: repo_name dtype: string - name: pr_number dtype: int64 - name: pr_title dtype: string - name: author dtype: string - name: git_commit_prev dtype: string - name: git_commit_curr dtype: string - name: date_created dtype: string - name: date_merged dtype: string - name: query dtype: string - name: context_file_path dtype: string - name: label dtype: int64 - name: language dtype: string splits: - name: train num_bytes: 464652833 num_examples: 268853 download_size: 9235837 dataset_size: 464652833 configs: - config_name: default data_files: - split: train path: data/train-* ---

原始信息汇总

数据集概述

特征信息

数据集包含以下特征：

• repo_name: 仓库名称，数据类型为字符串。
• pr_number: 拉取请求编号，数据类型为整数。
• pr_title: 拉取请求标题，数据类型为字符串。
• author: 作者，数据类型为字符串。
• git_commit_prev: 前一个Git提交，数据类型为字符串。
• git_commit_curr: 当前Git提交，数据类型为字符串。
• date_created: 创建日期，数据类型为字符串。
• date_merged: 合并日期，数据类型为字符串。
• query: 查询，数据类型为字符串。
• context_file_path: 上下文文件路径，数据类型为字符串。
• label: 标签，数据类型为整数。
• language: 语言，数据类型为字符串。

数据分割

数据集包含一个分割：

• train: 训练集，包含464,652,833字节，268,853个样本。

数据集大小

• 下载大小: 9,235,837字节
• 数据集大小: 464,652,833字节

配置信息

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*