chathuranga-jayanath/context-5-rhino-finmath-times4j-html-mavendoxia-wro4j-guava-supercsv-len-20000-prompt-3

---
dataset_info:
features:
- name: id
dtype: int64
- name: filepath
dtype: string
- name: start_bug_line
dtype: int64
- name: end_bug_line
dtype: int64
- name: bug
dtype: string
- name: fix
dtype: string
- name: ctx
dtype: string
splits:
- name: train
num_bytes: 85202039
num_examples: 77473
- name: validation
num_bytes: 10678909
num_examples: 9684
- name: test
num_bytes: 10638644
num_examples: 9684
download_size: 32863319
dataset_size: 106519592
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
#### 数据特征
本数据集涵盖以下7个字段：
1. 字段名：id，数据类型：int64，为数据唯一标识
2. 字段名：filepath，数据类型：字符串（string），指代目标代码文件的存储路径
3. 字段名：start_bug_line，数据类型：int64，用于标识缺陷代码的起始行号
4. 字段名：end_bug_line，数据类型：int64，用于标识缺陷代码的结束行号
5. 字段名：bug，数据类型：string，存储存在缺陷的代码段
6. 字段名：fix，数据类型：string，存储针对缺陷的修复代码段
7. 字段名：ctx，数据类型：string，存储代码上下文片段

#### 数据集划分
数据集共划分为三个子集：
- 训练集（train）：占用字节数85202039，共含77473条样本
- 验证集（validation）：占用字节数10678909，共含9684条样本
- 测试集（test）：占用字节数10638644，共含9684条样本

#### 整体规模
本数据集的下载总大小为32863319字节，总存储大小为106519592字节。

#### 配置信息
默认配置（config_name: default）对应的数据集文件路径如下：
- 训练集：对应路径`data/train-*`
- 验证集：对应路径`data/validation-*`
- 测试集：对应路径`data/test-*`

原始信息汇总

数据集概述

特征信息

• id: 数据类型为 int64
• filepath: 数据类型为 string
• start_bug_line: 数据类型为 int64
• end_bug_line: 数据类型为 int64
• bug: 数据类型为 string
• fix: 数据类型为 string
• ctx: 数据类型为 string

数据分割

• train:
  • 字节数: 85202039
  • 样本数: 77473
• validation:
  • 字节数: 10678909
  • 样本数: 9684
• test:
  • 字节数: 10638644
  • 样本数: 9684

数据集大小

• 下载大小: 32863319 字节
• 数据集大小: 106519592 字节

配置信息

• config_name: default
  • data_files:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*