five

Multilingual Code Search Dataset

收藏
arXiv2023-06-28 更新2024-06-21 收录
下载链接:
https://github.com/ynklab/XCodeSearchNet
下载链接
链接失效反馈
官方服务:
资源简介:
本研究构建了一个名为‘Multilingual Code Search Dataset’的大型数据集,由东京大学和微软亚洲研究院合作创建。该数据集包含约230万条数据,涵盖四种自然语言(英语、法语、日语、中文)和四种编程语言(Go、Python、Java、PHP)。数据集通过神经机器翻译模型从现有的大型单语数据集翻译而来,旨在支持多语言代码搜索任务,帮助全球软件开发者以母语搜索代码。

This study constructs a large-scale dataset named "Multilingual Code Search Dataset", which was collaboratively created by The University of Tokyo and Microsoft Research Asia. This dataset comprises approximately 2.3 million entries, covering four natural languages (English, French, Japanese, Chinese) and four programming languages (Go, Python, Java, PHP). Derived from existing large-scale monolingual datasets via neural machine translation models, this dataset is designed to support multilingual code search tasks and help global software developers search code in their native languages.
提供机构:
东京大学
创建时间:
2023-06-28
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作