tomg-group-umd/CLRS-Text-train

CLRS文本训练数据集包含用于CLRS-30文本的训练数据，这些数据是通过GitHub代码生成的。该数据集涵盖了30种算法，包括活动选择、贝尔曼-福特算法、广度优先搜索、二分搜索、桥、冒泡排序、DAG最短路径、深度优先搜索、迪杰斯特拉算法、卡达内最大子数组、弗洛伊德-沃舍尔算法、格雷厄姆扫描、堆排序、插入排序、贾维斯行进、KMP匹配器、最长公共子序列、矩阵链乘法、最小值、克鲁斯卡尔最小生成树、普里姆最小生成树、朴素字符串匹配器、最优二叉搜索树、快速选择、快速排序、线段相交、强连通分量、任务调度和拓扑排序。数据集发布在Apache-2.0许可证下。

The CLRS Text Training Datasets is a dataset containing training data for 30 algorithms, in English, under the Apache-2.0 license. The dataset size is between 1M and 10M, featuring questions, answers, and algorithm names, all as string types. It includes a training set with 2150000 samples, totaling 2150691651 bytes, with a download size of 531486090 bytes.

原始信息汇总

CLRS Text Training Datasets

概述

• 语言: 英语
• 许可证: Apache-2.0
• 数据集大小: 1M<n<10M
• 数据集名称: CLRS Text Training Datasets

数据集信息

特征

• question: 字符串类型
• answer: 字符串类型
• algo_name: 字符串类型

分割

• train:
  • 字节数: 2150691651
  • 样本数: 2150000

下载与数据集大小

• 下载大小: 531486090
• 数据集大小: 2150691651

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*

算法列表

• activity_selector
• articulation_points
• bellman_ford
• bfs
• binary_search
• bridges
• bubble_sort
• dag_shortest_paths
• dfs
• dijkstra
• find_maximum_subarray_kadane
• floyd_warshall
• graham_scan
• heapsort
• insertion_sort
• jarvis_march
• kmp_matcher
• lcs_length
• matrix_chain_order
• minimum
• mst_kruskal
• mst_prim
• naive_string_matcher
• optimal_bst
• quickselect
• quicksort
• segments_intersect
• strongly_connected_components
• task_scheduling
• topological_sort