jasong03/vov_phapluat_html

该数据集包含两个主要特征：url和html，分别表示网页的URL和对应的HTML内容。数据集被分为一个训练集，包含71,341个样本，总大小为5,741,125,284字节。该数据集可能用于网页内容分析或相关NLP任务。

This dataset includes two main features: url and html, representing the URL of a webpage and its corresponding HTML content, respectively. The dataset is divided into a training set containing 71,341 samples, with a total size of 5,741,125,284 bytes. This dataset is likely intended for web content analysis or related NLP tasks.

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。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 5741125284
  • 样本数: 71341

数据集大小

• 下载大小: 1727373396
• 数据集大小: 5741125284

配置

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