LimYeri/LeetCode_YouTube_CC

该数据集名为LeetCode信息与YouTube字幕，主要包含LeetCode问题和YouTube字幕的信息。原始数据来自LimYeri/leetcode_with_youtube_captions，经过处理去除了重复句子和不必要的字符串。数据集的特征包括id、content、title、title_slug、question_content、question_hints、tag、level和similar_question_ids。数据集的大小为177,847,656字节，包含17,843个示例。

本数据集命名为LeetCode题目与YouTube字幕数据集，主要收录LeetCode题目及YouTube字幕相关信息。原始数据源为LimYeri/leetcode_with_youtube_captions，经预处理后已剔除重复语句与冗余字符串。数据集包含的字段包括id、content、title、title_slug、question_content、question_hints、tag、level与similar_question_ids。该数据集总容量为177,847,656字节，共包含17,843条数据样本。

原始信息汇总

数据集概述

基本信息

• 名称: LeetCode Information & YouTube Captions
• 语言: 英语
• 许可证: MIT
• 大小: 10K<n<100K
• 任务类别:
  • 文本分类
  • 文本生成
• 标签: 代码

数据集特征

• id: 整数类型
• content: 字符串类型
• title: 字符串类型
• title_slug: 字符串类型
• question_content: 字符串类型
• question_hints: 字符串类型
• tag: 字符串类型
• level: 字符串类型
• similar_question_ids: 字符串类型

数据集分割

• 训练集:
  • 字节数: 177847656
  • 示例数: 17843
  • 下载大小: 80157945
  • 数据集大小: 177847656

配置

• 默认配置:
  • 数据文件路径: data/train-*