Novora/CodeClassifier_v1

Code Classifier Dataset v1数据集包含从GitHub收集的中高质量数据，用于编程代码语言的文本分类任务。数据集包括GitHub支持的31种主要语言的列表、语言标识符和相关的文件扩展名，以及根据文件扩展名分类的编程代码文本和语言。

原始信息汇总

Code Classifier Dataset v1 概述

数据集描述

• 目的: 用于编程代码语言分类的文本分类任务。
• 数据来源: 从GitHub收集的中高质量数据。

数据集组件

• 语言支持: 包含根据TIOBE指数排名前31的编程语言。
• 语言标识与文件扩展名: 提供这些语言的标识符及对应的文件扩展名。
• 编程代码文本与分类: 根据GitHub基于文件扩展名的分类，提供编程代码文本及其对应的语言分类。