google/code_x_glue_tc_text_to_code

CodeXGLUE文本到代码数据集，包含自然语言描述和对应的Java代码，数据来源于Microsoft Documentation。数据集分为训练集、验证集和测试集，分别包含100,000、2,000和2,000个样本。该数据集可用于训练模型，将英语自然语言描述翻译为Java代码。

原始信息汇总

数据集概述

数据集名称

• 名称: CodeXGlueTcTextToCode
• 别名: code_x_glue_tc_text_to_code

数据集描述

数据集摘要

• 摘要: CodeXGLUE text-to-code 数据集，用于训练模型从英语自然语言描述生成Java代码。
• 来源: 数据集爬取并筛选自Microsoft Documentation。

支持的任务和排行榜

• 任务: 机器翻译
• 描述: 用于训练模型从英语自然语言描述生成Java代码。

语言

• 语言: Java编程语言

数据集结构

数据实例

• 示例: 包含代码、ID和自然语言描述。

数据字段

• 字段:
  • id: 样本索引，类型为int32。
  • nl: 任务的自然语言描述，类型为string。
  • code: 任务的编程源代码，类型为string。

数据分割

• 分割:
  • train: 100000样本
  • validation: 2000样本
  • test: 2000样本

数据集创建

许可证信息

• 许可证: Computational Use of Data Agreement (C-UDA) License.

引用信息

@article{iyer2018mapping, title={Mapping language to code in programmatic context}, author={Iyer, Srinivasan and Konstas, Ioannis and Cheung, Alvin and Zettlemoyer, Luke}, journal={arXiv preprint arXiv:1808.09588}, year={2018} }

贡献者

• 贡献者: @madlag, @ncoop57