JetBrains/KStack

KStack是最大的许可许可的Kotlin代码集合。该数据集通过GitHub收集，主要包含Kotlin代码文件，并进行了去重、许可过滤和个人信息过滤等处理。数据集包含文件路径、所有者、仓库ID、是否为分叉、语言分布、文件内容、问题数量、主要语言、分叉数量、星标数量、提交哈希、文件大小、仓库名称和许可信息等特征列。

原始信息汇总

数据集概述

基本信息

• 名称: KExercises
• 语言: Kotlin
• 许可证: 其他
• 大小: 100M<n<1B
• 任务类别: 文本生成

数据集特征

• path: 字符串类型
• owner: 字符串类型
• repo_id: 整数类型
• is_fork: 布尔类型
• languages_distribution: 字符串类型
• content: 字符串类型
• issues: 浮点数类型
• main_language: 字符串类型
• forks: 整数类型
• stars: 整数类型
• commit_sha: 字符串类型
• size: 整数类型
• name: 字符串类型
• license: 字符串类型

数据集分割

• 训练集:
  • 字节数: 11547281532
  • 示例数: 4000514

下载与数据集大小

• 下载大小: 4257401542
• 数据集大小: 11547281532

配置

• 默认配置:
  • 数据文件路径: data/train-*