p1atdev/ja-stackoverflow

该数据集基于日语版Stack Overflow的数据，经过加工处理，形成了问答对的形式。数据集包含两个子集：default和simple。default子集包含详细的问答信息，如问题ID、问题内容、回答列表、被接受的回答ID和最受欢迎的回答ID等。simple子集则是对default子集的简化版本，包含了问题ID、被接受的回答ID、最受欢迎的回答ID、问题标题、问题正文、问题评分、被接受的回答正文、被接受的回答评分、最受欢迎的回答正文、最受欢迎的回答评分以及问题标签等信息。数据集的使用方法通过代码示例进行了说明，用户可以使用datasets库轻松加载和使用该数据集。

原始信息汇总

数据集概述

数据集信息

default 配置

• 特征:
  • question:
    • accepted_answer_id: 字符串
    • answer_count: 整数
    • body: 字符串
    • comment_count: 整数
    • content_license: 字符串
    • creation_date: 字符串
    • favorite_count: 整数
    • id: 字符串
    • last_activity_date: 字符串
    • last_edit_date: 字符串
    • last_editor_user_id: 字符串
    • owner_user_id: 字符串
    • post_type: 字符串
    • score: 整数
    • tags: 字符串序列
    • title: 字符串
    • view_count: 整数
  • answers:
    • body: 字符串
    • comment_count: 整数
    • content_license: 字符串
    • creation_date: 字符串
    • id: 字符串
    • last_activity_date: 字符串
    • last_edit_date: 字符串
    • last_editor_user_id: 字符串
    • owner_user_id: 字符串
    • parent_id: 字符串
    • post_type: 字符串
    • score: 整数
  • id: 字符串
  • accepted_answer_id: 字符串
  • popular_answer_id: 字符串
• 分割:
  • train:
    • num_bytes: 112596554
    • num_examples: 30551
• 下载大小: 54805530
• 数据集大小: 112596554

simple 配置

• 特征:
  • id: 字符串
  • accepted_answer_id: 字符串
  • popular_answer_id: 字符串
  • title: 字符串
  • question_body: 字符串
  • question_score: 整数
  • accepted_answer_body: 字符串
  • accepted_answer_score: 整数
  • popular_answer_body: 字符串
  • popular_answer_score: 整数
  • tags: 字符串序列
• 分割:
  • train:
    • num_bytes: 113051344
    • num_examples: 30551
• 下载大小: 56632072
• 数据集大小: 113051344

配置

• default 配置:
  • data_files:
    • split: train
    • path: data/train-*
• simple 配置:
  • data_files:
    • split: train
    • path: simple/train-*

许可证

• CC BY-SA 4.0

任务类别

• 文本生成
• 问答

语言

• 日语

标签

• stackoverflow
• programming

数据集名称

• Japanese StackOverflow

数据集大小类别

• 10K<n<100K