devopsmarc/my-issues-dataset

这个自定义数据集由GitHub上的常见问题构成，通常用于跟踪仓库中的错误或功能。这个自建的数据集可以用于多种目的，如分析解决开放问题或拉取请求所需的时间，训练分类器根据问题描述进行标记（例如，“bug”、“enhancement”、“question”），或开发语义搜索引擎以根据用户查询找到相关问题。数据集为单语种（英语），包含训练集，数据特征包括html_url、title、comments、body、comment_length和text。数据集的许可证为Apache 2.0，可能存在偏见，因为数据集中的评论未被监控和审查。

原始信息汇总

数据集卡片

数据集概述

数据集描述

该自定义数据集由一组常见的GitHub问题语料库组成，通常用于跟踪仓库中的错误或功能。这个自建语料库可以用于多种目的，例如分析解决开放问题或拉取请求所需的时间，训练分类器根据问题描述（例如，“错误”、“增强”、“问题”）标记问题，或开发基于用户查询查找相关问题的语义搜索引擎。

语言

• 英语

数据集结构

数据分割

• 训练集

数据集特征

• html_url: 字符串类型
• title: 字符串类型
• comments: 字符串类型
• body: 字符串类型
• comment_length: 整数类型
• text: 字符串类型

数据集大小

• 训练集字节数: 5968669
• 训练集样本数: 1061
• 下载大小: 1229293
• 数据集大小: 5968669

数据集配置

• 配置名称: default
• 数据文件:
  • 分割: 训练集
  • 路径: data/train-*

使用数据的注意事项

数据集的社会影响

不适用。

偏见讨论

可能存在。数据集中的评论未经监控且未经审查。

许可信息

Apache 2.0

引用信息

https://github.com/huggingface/datasets/issues