Tristan/olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-suffix-array-dedup
收藏Hugging Face2022-12-10 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/Tristan/olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-suffix-array-dedup
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含文本、链接和抓取时间戳三个特征。训练集包含7520438个样本，总大小为33979057509.213223字节。整个数据集的下载大小为8573685687字节。
提供机构：
Tristan
原始信息汇总
数据集概述
数据集名称
- 名称: olm-CC-MAIN-2022-40-sampling-ratio-0.15894621295-suffix-array-dedup
数据集特征
- 特征1: text
- 数据类型: string
- 特征2: url
- 数据类型: string
- 特征3: crawl_timestamp
- 数据类型: float64
数据集分割
- 训练集:
- 数据量: 7520438条记录
- 存储大小: 33979057509.213223字节
数据集大小
- 下载大小: 8573685687字节
- 总大小: 33979057509.213223字节
