JiyangZhang/commitpack-3lang

---
dataset_info:
features:
- name: commit
dtype: string
- name: old_file
dtype: string
- name: new_file
dtype: string
- name: old_contents
dtype: string
- name: new_contents
dtype: string
- name: subject
dtype: string
- name: message
dtype: string
- name: lang
dtype: string
- name: license
dtype: string
- name: repos
dtype: string
splits:
- name: train
num_bytes: 294390628
num_examples: 129649
download_size: 139697809
dataset_size: 294390628
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：代码提交（commit），数据类型：字符串
- 字段名：原文件，数据类型：字符串
- 字段名：新文件，数据类型：字符串
- 字段名：原文件内容，数据类型：字符串
- 字段名：新文件内容，数据类型：字符串
- 字段名：提交主题，数据类型：字符串
- 字段名：提交说明，数据类型：字符串
- 字段名：语言，数据类型：字符串
- 字段名：许可证（license），数据类型：字符串
- 字段名：代码仓库（repos），数据类型：字符串
数据划分：
- 划分名称：train（训练集），占用字节数：294390628，样本数量：129649
下载大小：139697809
数据集总大小：294390628
配置项：
- 配置名称：default（默认配置），数据文件：
- 划分：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据特征

• commit: 字符串类型
• old_file: 字符串类型
• new_file: 字符串类型
• old_contents: 字符串类型
• new_contents: 字符串类型
• subject: 字符串类型
• message: 字符串类型
• lang: 字符串类型
• license: 字符串类型
• repos: 字符串类型

数据分割

• train:
  • 字节数: 294390628
  • 样本数: 129649

数据集大小

• 下载大小: 139697809 字节
• 数据集大小: 294390628 字节

配置

• default:
  • 数据文件路径: data/train-*