Normalize and filter dataset
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 35/100
Línea de trabajo
No se nombran archivos ni pruebas. Empieza por localizar la canalización del dataset, las reglas de normalización de foundations y el esquema canónico; después, identifica dónde deben ubicarse el filtrado y las métricas de calidad. Se considera terminado cuando haya un dataset canónico depurado, estadísticas de filtrado documentadas e informes de calidad de antes y después que cubran todos los criterios enumerados.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Summary
Apply normalization rules and filter out low-quality commit messages.
Success Criteria
- Apply all normalization rules from foundations
- Filter criteria defined and applied:
- Remove non-conventional commits
- Remove commits with parsing errors
- Remove duplicates
- Remove auto-generated commits (dependabot, etc.)
- Quality metrics computed and documented
- Before/after statistics reported
Quality Filters
- Minimum subject length
- Valid type (feat, fix, docs, etc.)
- No merge commits
- English language only (v1)
Output
- Cleaned dataset in canonical schema format
- Quality report with filtering statistics
- Lenguaje dominante
- Python
- Estrellas
- 0
- Forks
- 0
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de aRustyDev/ccgram
-
Define next-step research ideasAbiertodocs experiment
Dificultad 5/5 Más de una semana Aptitud para principiantes 35/100
-
Write usage documentationAbiertodocs
Dificultad 4/5 3-5 días Aptitud para principiantes 55/100
-
Freeze architectureAbiertoinfra model
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
-
Document findingsAbiertodocs experiment
Dificultad 3/5 3-5 días Aptitud para principiantes 45/100
-
ablation evaluation
Dificultad 4/5 3-5 días Aptitud para principiantes 30/100
Todos los issues de aRustyDev/ccgram
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
-
good first issue No-AI
Dificultad 2/5 1-3 horas Aptitud para principiantes 69/100
-
documentation
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
-
🐛 Bug: Calendar work items cannot be opened on mobilePosiblemente ocupada Un pull request vinculado a esta issue está abierto o ya se fusionó. Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 75/100
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 2 días