google/code_x_glue_cc_clone_detection_poj104

数据集简介

该数据集是 Google 发布的 CodeXGLUE 基准测试的一部分，专注于代码克隆检测任务。具体来说，它基于 POJ-104 数据集构建，旨在评估模型识别功能相似但实现方式不同的代码片段（即代码克隆）的能力。

主要用途

用于训练和评估代码克隆检测模型，是代码理解和软件工程领域的重要基准。

数据类型/模态

• 模态：文本
• 内容：编程代码片段（具体语言未在元数据中明确，但 POJ-104 通常包含 C/C++ 代码）。

规模与统计信息

• 数据量：53,000 行数据
• 格式：Parquet
• 下载量：188 次
• 点赞数：8

使用场景

1. 代码克隆检测研究：开发能够自动识别重复或相似代码的算法。
2. 模型基准测试：作为评估代码表示学习、代码相似性分析等模型性能的标准数据集。
3. 软件质量维护：辅助发现代码库中的冗余代码，有助于重构和维护。