Nan-Do/code-search-net-php

该数据集是CodeSearchNet的PHP部分，并且包含了一个摘要列。数据集包括从GitHub找到的开源函数及其注释，摘要列提供了对函数功能的简短描述。数据集的注释是英文的，而函数是用PHP编写的。数据集创建于2023年5月，旨在用于生成对训练大型语言模型有用的数据集。数据集的注释过程使用了Salesforce的T5摘要模型，并进行了清理以确保没有重复或无意义的摘要。

原始信息汇总

数据集概述

数据集名称

• 名称: Php CodeSearchNet with Summaries

数据集特征

• 特征列表:
  • repo: string
  • path: string
  • func_name: string
  • original_string: string
  • language: string
  • code: string
  • code_tokens: sequence of string
  • docstring: string
  • docstring_tokens: sequence of string
  • sha: string
  • url: string
  • partition: string
  • summary: string

数据集大小

• 下载大小: 526417871 bytes
• 数据集大小: 1735380857 bytes

数据集分割

• 训练集:
  • 大小: 1735380857 bytes
  • 示例数量: 577190

许可证

• 许可证: Apache-2.0

任务类别

• text-generation
• text2text-generation
• summarization

语言

• 代码语言: Php
• 注释语言: English

数据集创建

• 创建时间: May 2023

数据集来源

• 来源数据集: CodeSearchNet
• 来源链接: https://www.kaggle.com/datasets/omduggineni/codesearchnet

注释信息

• 注释内容: 包含函数功能的简短描述
• 注释过程: 使用Salesforce T5 summarization模型进行注释
• 注释质量: 经过清理，确保无重复或无意义的总结