发布 Search4Code 数据集, 应用在 代码搜索、编程语言分析 领域

本次发布的数据集 Search4Code, 该数据集是从必应网络搜索引擎中挖掘出的首批大规模真实世界代码搜索查询集，涵盖了C#和Java两种编程语言，其中包含大约4,974个C#查询和6,596个Java查询。该数据集不仅包含真实的查询语句，还包含了每个查询对应的点击量排名前三的链接URL，以及每个查询的流行度评分。这一数据集规模庞大，查询量超过100万个，适用于分析代码搜索和非代码搜索查询，其任务是对代码搜索意图进行分类。

查看Search4Code

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。