Stackexchange OpenAssistant使用说明

此数据集来源于 https://archive.org/details/stackexchange 。

有一个单个的Parquet文件将所有stackexchange站点组合在一起。已按照以下方式过滤主题：只选择有接受答案的主题，问题和回答都少于1000个字符。其他答案、没有被采纳的问题或过长的条目都已被删除。

每行由以下内容组成：

• INSTRUCTION（说明）
• RESPONSE（回答）
• SOURCE（“stackexchange-ai”）
• METADATA（标签、问题分数、答案分数）

由 https://github.com/b-mc2 编写的原始提取代码

如何重现这个数据集

./download.py

./process.py

./stats.py

./combine.py

./upload.py

统计数据

• 3dprinting（3D打印）：1,006
• academia（学术）：6,956
• ai（人工智能）：1,169
• android（安卓）：11,591
• anime（动漫）：3,688
• apple（苹果）：32,603
• arduino（Arduino）：3,725
• askubuntu（问Ubuntu）：78,472
• astronomy（天文学）：2,425
• aviation（航空）：4,945
• avp（全球植物学）：1,949
• beer（啤酒）：387
• bicycles（自行车）：4,835
• bioacoustics（生物声学）：70
• bioinformatics（生物信息学）：903
• biology（生物学）：5,344
• bitcoin（比特币）：7,456
• blender（Blender）：25,527
• boardgames（桌游）：4,538
• bricks（积木）：1,457
• buddhism（佛教）：911
• cardano（Cardano）：670
• chemistry（化学）：7,430
• chess（国际象棋）：2,185
• chinese（中文）：4,897
• christianity（基督教）：1,248
• civicrm（CiviCRM）：3,221
• codegolf（代码高尔夫）：943
• codereview（代码审查）：2,171
• coffee（咖啡）：350
• cogsci（认知科学）：645
• computergraphics（计算机图形学）：540
• conlang（构造语言）：101
• cooking（烹饪）：7,951
• craftcms（Craft CMS）：4,533
• crafts（手工艺品）：438
• crypto（加密货币）：4,425
• cs（计算机科学）：9,478
• cseducators（计算机科学教育者）：71
• cstheory（计算机科学理论）：2,196
• datascience（数据科学）：5,045
• dba（数据库管理员）：16,850
• devops（DevOps）：961
• diy（自家动手）：14,400
• drones：190
• drupal（Drupal）：24,090
• dsp（数字信号处理）：4,470
• earthscience（地球科学）：922
• ebooks（电子书）：323
• economics（经济学）：2,120
• electronics（电子学）：41,717
• elementaryos（elementary OS）：1,769
• ell（英文学习）：30,428
• emacs（Emacs）：7,140
• engineering（工程学）：2,314
• english（英语）：42,415
• eosio（EOSIO）：626
• es_stackoverflow（西班牙语Stackoverflow）：21,475
• esperanto（世界语）：617
• ethereum（以太坊）：9,603
• expatriates（移民）：973
• expressionengine（ExpressionEngine）：3,638
• fitness（健身）：1,833
• freelancing（自由职业）：338
• french（法语）：5,193
• gamedev（游戏开发）：9,678
• gaming（游戏）：44,899
• gardening（园艺）：4,492
• genealogy（家谱学）：487
• german（德语）：6,715
• gis（地理信息系统）：30,249
• graphicdesign（平面设计）：10,563
• ham（火腿广播）：790
• hardwarerecs（硬件推荐）：647
• health（健康）：804
• hermeneutics（诠释学）：782
• hinduism（印度教）：1,036
• history（历史）：1,776
• homebrew（自酿）：2,357
• hsm（硬件安全模块）：484
• interpersonal（人际关系）：199
• iot（物联网）：331
• iota（IOTA）：292
• islam（伊斯兰教）：1,496
• italian（意大利语）：1,356
• ja_stackoverflow（日本语Stackoverflow）：9,734
• japanese（日语）：13,862
• joomla（Joomla）：1,875
• judaism（犹太教）：6,156
• korean（韩语）：754
• languagelearning（语言学习）：135
• latin（拉丁语）：1,387
• law（法律）：3,475
• lifehacks（小窍门）：934
• linguistics（语言学）：1,507
• literature（文学）：582
• magento（Magento）：20,537
• martialarts（武术）：364
• materials（材料科学）：338
• math（数学）：501,019
• matheducators（数学教育）：316
• mathematica（Mathematica）：19,529
• mathoverflow_net_7z（数学溢出网）：23,803
• mechanics（力学）：4,735
• meta（元）：34,161
• meta_askubuntu（元 问Ubuntu）：2,076
• meta_mathoverflow_net_7z（元 数学溢出网）：333
• meta_serverfault（元 Serverfault）：823
• meta_stackoverflow（元 Stackoverflow）：12,641
• meta_superuser（元 超级用户）：1,748
• moderators（管理员）：39
• monero（门罗币）：1,443
• money（金融）：7,996
• movies（电影）：6,789
• music（音乐）：5,740
• musicfans（音乐迷）：781
• mythology（神话）：271
• networkengineering（网络工程）：4,637
• opendata（开放数据）：1,117
• opensource（开源）：805
• or：586
• outdoors（户外活动）：1,503
• parenting（育儿）：815
• patents（专利）：582
• pets（宠物）：1,081
• philosophy（哲学）：1,505
• photo（摄影）：6,386
• physics（物理学）：35,386
• pm（项目管理）：982
• poker（扑克）：431
• politics（政治）：1,903
• portuguese（葡萄牙语）：658
• proofassistants（证明助手）：87
• pt_stackoverflow（葡萄牙语Stackoverflow）：27,650
• puzzling（谜题）：11,959
• quant（量化交易）：3,303
• quantumcomputing（量子计算）：1,604
• raspberrypi（树莓派）：6,794
• retrocomputing（复古计算）：1,016
• reverseengineering（逆向工程）：1,606
• robotics（机器人学）：1,020
• rpg（角色扮演游戏）：9,517
• ru_stackoverflow（俄语Stackoverflow）：106,714
• rus（俄语）：8,210
• russian（俄语）：1,960
• salesforce（Salesforce）：27,962
• scicomp（科学计算）：1,403
• scifi（科幻）：15,174
• security（安全）：11,733
• serverfault（服务器故障）：81,229
• sharepoint（SharePoint）：24,934
• sitecore（Sitecore）：2,691
• skeptics（怀疑论者）：1,043
• softwareengineering（软件工程）：10,526
• softwarerecs（软件推荐）：3,032
• solana（Solana）：602
• sound（声音）：2,031
• space（航天）：3,145
• spanish（西班牙语）：3,049
• sports（体育）：1,715
• sqa（软件质量保证）：1,944
• stackapps（Stack应用）：702
• stackoverflow：4,269,779
• stats（统计学）：23,102
• stellar（Stellar）：373
• substrate（Substrate）：812
• superuser（超级用户）：128,488
• sustainability（可持续性）：240
• tex（TeX）：42,808
• tezos（Tezos）：635
• tor（洋葱路由）：887
• travel（旅行）：9,957
• tridion（SDL Tridion）：1,769
• ukrainian（乌克兰语）：577
• unix（Unix）：54,338
• ux（用户体验）：7,403
• vegetarianism（素食主义）：151
• vi（Vi）：4,360
• webapps（Web应用）：10,159
• webmasters（网站管理员）：9,413
• windowsphone（Windows Phone）：1,110
• woodworking（木工）：677
• wordpress（WordPress）：24,270
• workplace（职场）：4,104
• worldbuilding（构建世界）：2,766
• writers（作家）：1,957

许可证：cc-by-sa-4.0 // 详细信息请参见 https://archive.org/details/stackexchange