NewsHomepages
收藏arXiv2025-09-30 收录
下载链接：
https://github.com/alex2awesome/homepage-newsworthiness-with-internet-archive
下载链接
链接失效反馈资源简介：
该数据集包含了超过3000个新闻网站首页，在三年时间内每天两次捕获的数据，旨在研究新闻版面中的信息优先级。数据集不仅包括网页链接、全页截图，还为一部分页面提供了压缩的HTML快照。目前，该数据集仍在持续收集中，并得到了社区贡献。总计有363,340个快照，来自3,489个新闻首页。这项工作的任务是分析首页布局及其编辑提示。
提供机构：
Contributing community of activists, developers, and journalists
