【文件属性】：
文件名称：数据集：用于数据源分析和机器学习的源{d}数据集（“大代码”）
文件大小：21.62MB
文件格式：ZIP
更新时间：2024-02-24 10:07:53
github git machine-learning dataset datasets
来源{d}数据集
source {d}数据集，用于源代码分析和。
该存储库包含所有必要的工具和脚本，以重现数据集，以及它们可能涉及的学术论文。
可用数据集
公共Git存档
大小：6TB
描述：来自GitHub的260k +书签库，由1.36亿多个文件和约280亿行代码组成。
编程语言标识符
大小：1GB
描述：从10多种编程语言中提取的约49M个不同的标识符。
代码重复
大小：250MB
说明：2k Java文件和600个Java函数对，被多个程序员标记为相似或不同。
拉请求评论评论
大小：1.5GB
描述：自2015年1月到2018年12月，有2530万个GitHub PR评论评论。
提交讯息
大小：46GB
描述：截止2019年3月，有13亿个GitHub提交消息。
结构提交功能
大小：1.9GB
描述：在GitHub上的622个Java存储库中有160万个提交。
DockerHub元数据
大小：1.4 GB
描述：2019年6月在获得146万个Docker映像配置和清单文件。
DockerHub软件包
大小：15GB
描述：419092分析了Docker映像：