nhagar/CC-MAIN-2023-14_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-2023-14_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，其中包括网页内容（crawl）、网址的主机名（url_host_name）以及网址的数量（url_count）。数据集被划分为训练集，共有大约5500万个示例，总大小为2.7GB。
This dataset contains web crawl data, including page content (crawl), the host name of the URL (url_host_name), and the count of URLs (url_count). The dataset is split into a training set with approximately 55 million examples, totaling 2.7GB in size.
提供机构：
nhagar
