LCC_csharp هو مجموعة بيانات تعليقات كود C# تم إصدارها بواسطة Microsoft في عام 2023، مستمدة من مشروع Large Code Comments (LCC)، وتهدف إلى توفير مواد عالية الجودة لمهام مثل فهم الكود وتوليد الكود وتحليل تعليقات الكود.

تبلغ مساحة مجموعة البيانات حوالي 2.12 جيجابايت، وتحتوي على 120,000 عينة من كود C# والتعليقات، مقسمة إلى مجموعة تدريب ومجموعة تحقق ومجموعة اختبار. تحتوي كل عينة بشكل أساسي على سياق الكود والتعليق المستهدف المقابل، ويمكن استخدامها للتدريب المسبق والضبط الدقيق والتقييم لنماذج البرمجة اللغوية العصبية المتعلقة بالكود.

تكوين مجموعة البيانات

تحتوي مجموعة البيانات على الأجزاء الثلاثة التالية:

• مجموعة التدريب (train): 100,000 عينة، بحوالي 1.85 جيجابايت.
• مجموعة التحقق (validation): 10,000 عينة، بحوالي 136 ميجابايت.
• مجموعة الاختبار (test): 10,000 عينة، بحوالي 136 ميجابايت.

تحتوي كل عينة بشكل أساسي على الحقول التالية:

• context: سياق كود C#.
• gt: التعليق المستهدف أو التسمية المقابلة.