AISE research lab at TU Delft 发布 Heap-Java 数据集, 应用在 Java代码分析、代码重复检测 领域

AISE research lab at TU Delft 本次发布的数据集 Heap-Java, 该数据集名为Java，包含多个特征字段，如id、file_name、file_path、content等，涵盖了文件的基本信息、内容、大小、语言、扩展名、行数统计、仓库信息等。此外，数据集还包含重复性检测的字段，如exact_duplicates_stackv2、near_duplicates_stackv2等。数据集分为一个训练集，包含5168193个样本，总大小为31954530884.009567字节。

查看Heap-Java

Dataset card 内容： 

Files and versions 内容： 

关于 AISE research lab at TU Delft , AISE research lab at TU Delft是荷兰代尔夫特理工大学的一个研究实验室，专注于开发和应用机器学习模型于软件工程领域。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。