koutch/stackoverflow_question_types

最近的研究探讨了利用StackOverflow（SO）上的数据来训练大型语言模型以处理编程相关任务。然而，用户在StackOverflow上可以提出各种问题；stackoverflow question types数据集是一个手动标注的SO问题数据集，每个问题都有一个关联的类型。根据先前的研究，每个问题都被标注为一个类型，以捕捉提问者的主要关注点。问题被标注为以下类型：Need to know（需要知道）、How to do it（如何做）、Debug/corrective（调试/纠正）、Seeking different solutions（寻求不同的解决方案）、Conceptual（概念性）和Other（其他）。该数据集主要关注与编程相关的问题，特别是带有Python标签的问题。问题是用英语编写的。

原始信息汇总

数据集概述

数据集名称

"stackoverflow_question_types"

数据集描述

本数据集包含StackOverflow上手动标注的问题，每个问题都有一个关联的类型，用于捕捉提问者的主要关注点。问题类型包括：

• Need to know
• How to do it
• Debug/corrective
• Seeking different solutions
• Conceptual
• Other

数据集特征

• question_id: int64
• title: string
• question_body: string
• question_type: string
• question_date: string

数据集结构

• 训练集：3449个样本，总大小3433758字节
• 测试集：14个样本，总大小12055字节

数据集语言

• 英语

数据集标签

• question_type 包含以下类别：
  • "needtoknow"
  • "howto"
  • "debug"
  • "seeking"
  • "conceptual"
  • "other"

数据集用途

主要用于编程相关任务的语言模型训练。

数据集来源

数据集中的问题来自stackoverflow_python数据集的一个子集。

数据集注释

使用argilla平台和SetFit模型进行注释。

数据集大小

• 总大小：3445813字节
• 下载大小：0字节
• 样本数量：3463（训练集+测试集）

数据集许可证

• cc