antolin/bigclonebench_interduplication

---
dataset_info:
features:
- name: tokens1
sequence: string
- name: tokens2
sequence: string
- name: label
dtype: int64
- name: is_duplicated
dtype: bool
splits:
- name: train
num_bytes: 3786674813
num_examples: 895897
- name: test
num_bytes: 1589757079
num_examples: 410871
- name: valid
num_bytes: 1807205589
num_examples: 413595
download_size: 1557856618
dataset_size: 7183637481
---
# Dataset Card for "bigclonebench_interduplication"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 名称：tokens1，类型：字符串序列
- 名称：tokens2，类型：字符串序列
- 名称：标签，数据类型：int64
- 名称：是否重复（is_duplicated），数据类型：布尔型（bool）
数据集划分：
- 训练集（train）：占用字节数3786674813，样本数量895897
- 测试集（test）：占用字节数1589757079，样本数量410871
- 验证集（valid）：占用字节数1807205589，样本数量413595
下载大小：1557856618 字节
数据集总大小：7183637481 字节
---
# "bigclonebench_interduplication"数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

特征信息

• tokens1: 字符串序列
• tokens2: 字符串序列
• label: 整数类型 (int64)
• is_duplicated: 布尔类型 (bool)

数据分割

• 训练集 (train):
  • 字节数: 3786674813
  • 样本数: 895897
• 测试集 (test):
  • 字节数: 1589757079
  • 样本数: 410871
• 验证集 (valid):
  • 字节数: 1807205589
  • 样本数: 413595

数据集大小

• 下载大小: 1557856618 字节
• 数据集大小: 7183637481 字节