cluneau/github-issues

该数据集名为HF Datasets GitHub Issues，主要用于文本分类任务，特别是多标签分类。数据集包含GitHub问题的相关信息，如URL、仓库URL、标签URL、评论URL、事件URL、HTML URL、ID、节点ID、编号、标题、用户信息、标签、状态、锁定状态、分配者、评论、创建时间、更新时间、关闭时间、作者关联、草稿、拉取请求、正文、反应、时间线URL、状态原因、是否为拉取请求等。数据集的大小在1K到10K之间，包含2242个训练样本。

原始信息汇总

数据集概述

基本信息

• 名称: HF Datasets GitHub Issues
• 语言: 英语（monolingual）
• 大小: 1K<n<10K
• 任务类型: 文本分类
• 具体任务: 多标签分类

数据集结构

• 特征:
  • 基本信息:
    • url, repository_url, labels_url, comments_url, events_url, html_url (均为字符串类型)
    • id, number (均为64位整数类型)
    • node_id (字符串类型)
    • title (字符串类型)
  • 用户信息:
    • user (结构体，包含登录名、ID、节点ID、头像URL等)
  • 标签信息:
    • labels (列表，包含ID、节点ID、URL、名称、颜色等)
  • 状态信息:
    • state (字符串类型)
    • locked (布尔类型)
  • 分配信息:
    • assignee (结构体，包含登录名、ID、节点ID、头像URL等)
    • assignees (列表，包含登录名、ID、节点ID、头像URL等)
  • 评论信息:
    • comments (字符串序列)
  • 时间信息:
    • created_at, updated_at, closed_at (均为64位整数类型)
  • 作者关联信息:
    • author_association (字符串类型)
  • 草稿信息:
    • draft (浮点数类型)
  • 拉取请求信息:
    • pull_request (结构体，包含URL、HTML URL、差异URL等)
  • 反应信息:
    • reactions (结构体，包含URL、总数量、+1、-1等)
  • 时间线URL:
    • timeline_url (字符串类型)
  • 状态原因:
    • state_reason (字符串类型)
  • 是否为拉取请求:
    • is_pull_request (布尔类型)

数据集分割

• 训练集:
  • 字节数: 12013382
  • 示例数: 2242
  • 下载大小: 3940692
  • 数据集大小: 12013382