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：