智能软件代码数据集

该数据集主要面向智能软件代码构造优化任务，用于支撑智能软件代码的检索与推荐研究。该数据集由分布式爬虫框架，通过代码托管平台GitHub的API接口采集。该数据集主要记录了智能软件代码的仓库来源、以及每个仓库中的源代码文件等信息，数据量为114.45G。

搜集汇总

背景与挑战

背景概述

该数据集面向智能软件代码构造优化任务，旨在支撑智能软件代码的检索与推荐研究。数据通过分布式爬虫框架从GitHub的API接口采集，包含仓库来源及每个仓库中的源代码文件等详细信息，总数据量约114.44GB。