codesearchnet

# Dataset Card for CodeSearchNet

This dataset is a collection of comment-code pairs of various programming languages. See [code_search_net](https://huggingface.co/datasets/code_search_net) for additional information.
This dataset can be used directly with Sentence Transformers to train embedding models.

## Dataset Subsets

### `pair` subset

* Columns: "comment", "code"
* Column types: `str`, `str`
* Examples:
```python
{
'comment': 'Computes the new parent id for the node being moved.\n\n@return int',
'code': "protected function parentId()\n\t{\n\t\tswitch ( $this->position )\n\t\t{\n\t\t\tcase 'root':\n\t\t\t\treturn null;\n\n\t\t\tcase 'child':\n\t\t\t\treturn $this->target->getKey();\n\n\t\t\tdefault:\n\t\t\t\treturn $this->target->getParentId();\n\t\t}\n\t}",
}
```
* Collection strategy: Reading the Code Search Net dataset from [embedding-training-data](https://huggingface.co/datasets/sentence-transformers/embedding-training-data).
* Deduplified: No

# CodeSearchNet 数据集卡片
本数据集为多种编程语言的注释-代码对样本集合，更多详细信息可访问 [code_search_net](https://huggingface.co/datasets/code_search_net) 查阅。
该数据集可直接配合Sentence Transformers开展嵌入模型的训练工作。

## 数据集子集

### `pair` 子集
* 列名："comment"、"code"
* 列类型：均为字符串类型（str）
* 示例：
python
{
'comment': '为待移动节点计算新的父节点ID。

@return int',
'code': "protected function parentId()
{
switch ( $this->position )
{
case 'root':
return null;

case 'child':
return $this->target->getKey();

default:
return $this->target->getParentId();
}
}"
}

* 数据采集方式：从 [embedding-training-data](https://huggingface.co/datasets/sentence-transformers/embedding-training-data) 加载CodeSearchNet数据集。
* 去重处理：未执行

搜集汇总

背景与挑战

背景概述

CodeSearchNet是一个由多种编程语言的注释和对应代码片段组成的数据集，专门用于训练Sentence Transformers嵌入模型。其核心子集包含'comment'和'code'两列字符串数据，提供代码搜索相关的配对示例。