nhagar/CC-MAIN-2016-44_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-2016-44_urls
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含了网页抓取信息（crawl）、网址主机名（url_host_name）和网址计数（url_count）三个字段。数据集的训练集大小为3.8GB，共有74705605个样本。该数据集适用于网页分析、网址统计等研究领域。
The dataset includes three fields: web crawl information (crawl), URL host name (url_host_name), and URL count (url_count). The training set of the dataset is 3.8GB in size and contains 74705605 samples. This dataset is suitable for web analysis, URL statistics, and other research fields.
提供机构：
nhagar
