数据集概述
本数据集包含多组GitHub开源项目信息，覆盖PHP、Java、JavaScript、C、C++、C#、Python、Visual Basic八种编程语言。数据用于支持FOSSology Nomos、Ninka等许可证提取工具分析源代码中的开源软件许可证，同时可对项目README.md文件进行分析以发现库中使用的许可证。
文件详解
- GitHub-repo-dataset-1.0.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含GitHub开源项目的基础信息，覆盖八种编程语言的项目数据，用于许可证提取工具分析源代码中的开源软件许可证。
- Evaluation summary-v2-online.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含许可证分析的评估总结数据，可能涵盖不同工具的分析结果对比、许可证类型统计等内容，支持对README.md文件及库中许可证的分析。
适用场景
- 开源软件许可证合规性分析：利用数据集评估GitHub项目中开源许可证的使用情况，确保项目符合开源许可协议要求。
- 编程语言许可证分布研究：分析不同编程语言（如Python、Java等）项目中常见的开源许可证类型及占比。
- 许可证提取工具性能验证：对比FOSSology Nomos、Ninka等工具在实际项目中的许可证识别准确率和覆盖范围。
- 开源社区许可证趋势洞察：通过分析README.md文件及库依赖的许可证，研究开源项目许可证使用的演变趋势。
