AISE-TUDelft/nlbse_ccc

该数据集是为NLBSE23代码注释分类竞赛创建的数据集对象，包含Java、Python和Pharo三种编程语言的代码注释。数据集分为多个类别，如Expand、Ownership、Deprecation等，每个类别都有正负样本的分布情况。数据集的特征包括comment_sentence_id、class、comment_sentence等。数据集的创建过程通过代码片段展示，使用了GitHub仓库中的数据。

原始信息汇总

数据集概述

数据集配置

• 默认配置：包含多个数据文件，每个文件对应不同的编程语言和分类。

数据文件列表

• Java：
  • java_Pointer
  • java_Expand
  • java_Ownership
  • java_deprecation
  • java_rational
  • java_summary
  • java_usage
• Python：
  • python_Expand
  • python_Summary
  • python_DevelopmentNotes
  • python_Parameters
  • python_Usage
• Pharo：
  • pharo_Example
  • pharo_Keymessages
  • pharo_Responsibilities
  • pharo_Keyimplementationpoints
  • pharo_Collaborators
  • pharo_Intent
  • pharo_Classreferences

数据集信息

特征

• comment_sentence_id：评论句子的ID，数据类型为int64
• class：类别，数据类型为string
• comment_sentence：评论句子，数据类型为string
• partition：分区，数据类型为int64
• instance_type：实例类型，数据类型为int64
• category：分类，数据类型为string
• label：标签，数据类型为int64
• combo：组合，数据类型为string
• __index_level_0__：索引级别，数据类型为int64

数据分割

• Java：
  • java_Pointer：483600字节，2418个样本
  • java_Expand：481182字节，2418个样本
  • java_Ownership：488436字节，2418个样本
  • java_deprecation：493272字节，2418个样本
  • java_rational：486018字节，2418个样本
  • java_summary：483600字节，2418个样本
  • java_usage：478764字节，2418个样本
• Python：
  • python_Expand：421025字节，2555个样本
  • python_Summary：423580字节，2555个样本
  • python_DevelopmentNotes：446575字节，2555个样本
  • python_Parameters：431245字节，2555个样本
  • python_Usage：418470字节，2555个样本
• Pharo：
  • pharo_Example：368156字节，1765个样本
  • pharo_Keymessages：375216字节，1765个样本
  • pharo_Responsibilities：384041字节，1765个样本
  • pharo_Keyimplementationpoints：396396字节，1765个样本
  • pharo_Collaborators：378746字节，1765个样本
  • pharo_Intent：366391字节，1765个样本
  • pharo_Classreferences：382276字节，1765个样本

数据集大小

• 下载大小：3231436字节
• 数据集大小：8186989字节

任务类别

• 文本分类

数据集规模

• 10K<n<100K