jasong03/vov_vanhoa_html

该数据集包含网页相关的数据，主要特征包括网页的URL、HTML内容以及行号。数据集被分割为训练集，包含45094个样本，总大小为3634868589字节。这些数据可能用于网页内容分析、数据挖掘或机器学习模型的训练。

This dataset contains web-related data, with main features including the URL of the webpage, HTML content, and row numbers. The dataset is divided into a training set, containing 45094 samples with a total size of 3634868589 bytes. This data may be used for web content analysis, data mining, or training machine learning models.

原始信息汇总

数据集概述

数据集信息

• 特征:

  • url: 数据类型为字符串。
  • html: 数据类型为字符串。
  • row: 数据类型为整数（int64）。

• 分割:

  • train:
    • 字节数: 3634868589
    • 样本数: 45094

• 下载大小: 1114297081 字节

• 数据集大小: 3634868589 字节

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*