LCC_csharp는 Microsoft가 2023년에 발표한 C# 코드 리뷰 데이터셋으로, Large Code Comments(LCC) 프로젝트에서 비롯되었으며, 코드 이해, 코드 생성 및 코드 리뷰 분석과 같은 작업을 위한 고품질 말뭉치를 제공하는 것을 목표로 합니다.

이 데이터셋은 약 2.12GB로, 12만 개의 C# 코드 및 리뷰 샘플을 포함하며, 훈련 세트, 검증 세트 및 테스트 세트로 나뉩니다. 각 샘플은 주로 코드 컨텍스트와 해당 목표 리뷰를 포함하며, 코드 관련 NLP 모델의 사전 훈련, 미세 조정 및 평가에 사용할 수 있습니다.

데이터셋 구성

데이터셋은 다음 세 부분을 포함합니다:

• 훈련 세트(train): 100,000개의 샘플, 약 1.85GB.
• 검증 세트(validation): 10,000개의 샘플, 약 136MB.
• 테스트 세트(test): 10,000개의 샘플, 약 136MB.

각 샘플은 주로 다음 필드를 포함합니다:

• context: C# 코드 컨텍스트.
• gt: 해당 목표 리뷰 또는 레이블.