---
pretty_name: 1C-Code-Train
language:
  - ru
task_categories:
  - sentence-similarity
size_categories:
  - 100K<n<1M
license: other
tags:
  - code-retrieval
  - 1c
  - bsl
  - hard-negatives
configs:
  - config_name: default
    data_files:
      - split: train
        path: train-*.parquet
---

# 1C-Code-Train

`1C-Code-Train` содержит 784 057 синтетических триплетов для поиска кода 1С:E/BSL преимущественно по русскоязычным запросам. Датасет использовался для обучения модели [`PruhaNLP/USER2-1C-code`](https://huggingface.co/PruhaNLP/USER2-1C-code).

## Данные

Сплит `train` содержит три текстовых поля:

- `query` — синтетический поисковый запрос на естественном языке;
- `positive` — соответствующий запросу фрагмент кода 1С/BSL;
- `negative` — сложный отрицательный пример, найденный в корпусе кода.

```python
from datasets import load_dataset

dataset = load_dataset("PruhaNLP/1C-Code-Train", split="train")
```

## Подготовка

Код происходит из публичного корпуса [`leongl/1c_github`](https://huggingface.co/datasets/leongl/1c_github). После фильтрации и точной дедупликации запросы были сгенерированы моделью `google/gemma-4-26B-A4B-it`. Сложные отрицательные примеры отбирались из первых 20 результатов `deepvk/USER2-small` с помощью FAISS и поиска по скалярному произведению.

Публикуемый файл прошёл очистку персональных данных. Консервативная обработка на основе правил заменяет обнаруженные адреса электронной почты, номера телефонов, IP-адреса, пути файловой системы и имена людей на `[EMAIL]`, `[PHONE]`, `[IP]`, `[PATH]` и `[PERSON]`. Это снижает риск раскрытия персональных данных, но не является формальной гарантией полной деидентификации.

## Назначение и ограничения

Датасет предназначен для исследований и обучения моделей поиска кода по текстовому запросу. Запросы являются синтетическими, среди сложных отрицательных примеров могут встречаться ложноотрицательные, а исходный код может содержать повторяющиеся шаблоны или неполные фрагменты.

Для исходного корпуса лицензия не указана. Поэтому для этого датасета установлено `license: other`. Перед повторным распространением или коммерческим использованием пользователи должны самостоятельно проверить происхождение исходных данных и лицензии соответствующих репозиториев. Проект является независимым, не аффилирован с фирмой «1С» и не одобрен ею.

Код оценки: [`PruhaNLP/1C-RB`](https://github.com/PruhaNLP/1C-RB).