anton-l/commoncrawl_tex
收藏Hugging Face2023-06-05 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/anton-l/commoncrawl_tex
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: url
dtype: string
- name: url_host_registered_domain
dtype: string
- name: crawl
dtype: string
- name: content_mime_type
dtype: string
- name: content_mime_detected
dtype: string
- name: warc_filename
dtype: string
- name: warc_record_offset
dtype: int64
- name: warc_record_length
dtype: int64
- name: content
dtype: string
splits:
- name: train
num_bytes: 6227483249
num_examples: 248336
download_size: 2940795660
dataset_size: 6227483249
---
# Dataset Card for "commoncrawl_tex"
[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)
提供机构：
anton-l
原始信息汇总
数据集概述
数据集特征
- url：字符串类型
- url_host_registered_domain：字符串类型
- crawl：字符串类型
- content_mime_type：字符串类型
- content_mime_detected：字符串类型
- warc_filename：字符串类型
- warc_record_offset：整数类型（int64）
- warc_record_length：整数类型（int64）
- content：字符串类型
数据集分割
- 训练集（train）：
- 字节数：6227483249
- 示例数：248336
数据集大小
- 下载大小：2940795660字节
- 数据集总大小：6227483249字节
