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-*