nhagar/CC-MAIN-2022-21_urls
收藏Hugging Face2025-05-15 更新2025-02-15 收录
下载链接：
https://hf-mirror.com/datasets/nhagar/CC-MAIN-2022-21_urls
下载链接
链接失效反馈官方服务：
资源简介：
这是一个包含网页抓取信息的数据集，具体包括网页的抓取内容（crawl）、网址的主机名（url_host_name）和网址出现的次数（url_count）。数据集目前只有一个训练集划分，包含大约5869万个示例。
This dataset includes web crawling information, specifically the content of the web page (crawl), the host name of the URL (url_host_name), and the frequency of the URL appearance (url_count). The dataset currently has only one training set split, containing approximately 58,690,000 examples.
提供机构：
nhagar
