GitHub 拉取请求文本数据集

自然语言
0 下载
6 浏览
2026-09-16

数据集简介

数据内容与组织方式

该数据集以 GitHub 拉取请求(Pull Request)为核心内容,样例中可见 PR 标题、描述、仓库名与代码片段。例如一条样例的标题为「fix: Deploy FQT for KyberDmm/Mstable」,并附带状态标签 <pr_status>opened 与仓库名 <repo_name>0xProject/protocol。数据模态为表格与文本,文件格式为 parquet,规模在 1M–10M 之间。

字段结构

数据集以表格形式组织,主要字段如下:

字段名 说明
Title PR 标题
username_0 提交者用户名
pr_status PR 状态(如 opened)
repo_name 所属仓库名
pr_base 基础分支信息
pr_file 变更文件信息
pr_base_code 基础分支代码片段

任务与标签

任务标注为文本生成(Text Generation),标签包括 code、github、pull-requests、software-engineering,表明该数据集面向代码与软件工程领域的文本生成研究。

获取方式

数据集托管于 HuggingFace 平台,页面地址为 https://huggingface.co/datasets/jordangong/the-stack-v2-pr,用户可通过该页面浏览样例并下载 parquet 文件。数据集公开开放,无需额外申请。

基本信息

记录数量未知
文件大小未知
文件格式parquet
数据来源jordangong
数据规模1M - 10M
任务类型文本生成
数据模态表格、文本
数据落地页https://huggingface.co/datasets/jordangong/the-stack-v2-pr
发布日期2026-09-16
GitHub拉取请求代码软件工程文本生成

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费