nhagar/CC-MAIN-2019-13_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-2019-13_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数据的数据集，具有三个特征：网页内容（crawl）、URL主机名（url_host_name）和URL数量（url_count）。数据集被划分为训练集，其中包含超过7000万个示例。数据集的总大小为约3.5GB。
This is a dataset containing web crawl data with three features: page content (crawl), URL hostname (url_host_name), and URL count (url_count). The dataset is split into a training set with over 70 million examples. The total size of the dataset is approximately 3.5GB.
提供机构：
nhagar
