devopsmarc commited on
Commit
bdb1c5c
1 Parent(s): f23d689

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +2 -2
README.md CHANGED
@@ -25,9 +25,9 @@ task_ids:
25
 
26
  This customized dataset is made of a corpus of commun Github issues, typically utilized for tracking bugs or features within a repositories. This self-constructed corpus can serve multiple purposes, such as analyzing the time taken to resolve open issues or pull requests, training a classifier to tag issues based on their descriptions (e.g., "bug," "enhancement," "question"), or developing a semantic search engine for finding relevant issues based on user queries.
27
 
28
- ## Dataset Summary in French
29
 
30
- Ce dataset personnalisé est composé d'un corpus de problèmes couramment rencontrés sur Github, généralement utilisés pour suivre les bugs ou les fonctionnalités au sein des repositories. Ce corpus peut servir à plusieurs fins, telles que l'analyse du temps nécessaire pour résoudre des open issues ou des pull requests, training un classificateur pour étiqueter les problèmes en fonction de leurs descriptions (par exemple, "bug", "enhancement", "question"), ou le développement d'une semantic seache engine pour trouver des problèmes pertinents en fonction des user queries.
31
 
32
  ### Languages
33
 
 
25
 
26
  This customized dataset is made of a corpus of commun Github issues, typically utilized for tracking bugs or features within a repositories. This self-constructed corpus can serve multiple purposes, such as analyzing the time taken to resolve open issues or pull requests, training a classifier to tag issues based on their descriptions (e.g., "bug," "enhancement," "question"), or developing a semantic search engine for finding relevant issues based on user queries.
27
 
28
+ ## Résumé de l'ensemble de jeu de données en français
29
 
30
+ Ce jeu de données personnalisé est constitué d'un corpus de problèmes couramment rencontrés sur GitHub, généralement utilisés pour le suivi des bugs ou des fonctionnalités au sein des repositories. Ce corpus auto construit peut servir à de multiples fins, telles que l'analyse du temps nécessaire pour résoudre les problèmes ouverts ou les demandes d'extraction, l'entraînement d'un classificateur pour étiqueter les problèmes sur la base de leurs descriptions (par exemple, "bug", "amélioration", "question"), ou le développement d'un moteur de recherche sémantique pour trouver des problèmes pertinents sur la base des requêtes de l'utilisateur.
31
 
32
  ### Languages
33